一、谷歌新工具登场，聚焦非结构化文本处理难题

2025年8月8日，谷歌正式发布了一款名为LangExtract的开源Python库。这款工具旨在帮助开发者借助大型语言模型（如Gemini模型），从非结构化文本中提取结构化信息，轻松解决临床笔记、法律文本、客户反馈等自由格式文本的转换难题。

开发者只需通过自然语言指令和示例数据来定义提取任务，就能高效处理各类非结构化内容，实现信息的规范化整理，无需具备深厚的机器学习专业知识。

二、LangExtract的核心特性：精准、透明且高效

• 可控生成技术：这是LangExtract的突出亮点，能确保提取的信息格式一致，并且准确关联到文本中的原始来源。库中会高亮显示相关文本片段，让每个提取的实体都能追溯到原始文档中的精确位置，大大提升了信息提取的透明度和可靠性。

• 适配长文档与复杂内容：针对冗长复杂的文档，LangExtract融入了文本分块、并行处理和多轮提取等先进策略。这些技术在提高召回率和准确性的同时，保证了从大量文本中提取信息的高效性，且无需对底层模型进行大量微调，适用于医疗、法律等多个领域。

• 兼容性与灵活性强：该库可与多种大型语言模型集成，既包括Gemini等云端模型，也能通过Ollama等平台连接本地模型，为不同场景下的开发者提供了灵活选择。

三、开发者社区反响热烈，生态持续扩展

LangExtract的发布在开发者社区引发了积极响应：

• 核心贡献者阿克沙伊·戈尔（Akshay Goel）表示：“很高兴今天能和团队一起发布LangExtract，期待看到开发者社区用它创造出创新应用！” 话语中体现了项目背后的协作精神。

• 开发者凯尔·布朗（Kyle Brown）认为，这是AI透明度领域的一大进步，它将非结构化文本转化为结构化、可理解的数据。

• 社区的活跃参与还体现在技术扩展上，已有开发者将LangExtract移植到TypeScript语言，使其不仅支持谷歌Gemini模型，还能兼容OpenAI模型，进一步拓宽了适用范围。

四、如何获取与使用？

LangExtract基于Apache 2.0许可协议发布，开发者可通过pip轻松安装。对于希望为应用添加信息提取功能的开发者来说，它是一款兼具易用性和强大功能的工具。