# 规则字段抽取Skill 设计

## 1. Skill 定位

`规则字段抽取Skill` 负责从标题、段落和固定标签中抽取字段候选值，适合处理格式稳定、标签明确的注册申报字段。

英文实现标识建议使用 `RuleFieldExtractSkill`。

## 2. 输入

```python
@dataclass
class RuleFieldExtractInput:
    documents: list[DocumentContent]
    field_definitions: list[FieldDefinition]
```

## 3. 输出

```python
@dataclass
class RuleFieldExtractOutput:
    candidates: list[FieldCandidate]
    failed_fields: list[dict]
    tool_calls: list[dict]
```

## 4. 抽取方式

1. 标题后取值。
2. 标签后取值。
3. 固定段落规则。
4. 正则匹配。

## 5. 核心方法

### 5.1 `run(input) -> RuleFieldExtractOutput`

主入口方法。

### 5.2 `extract_by_heading(document, field_definition) -> FieldCandidate | None`

从标题结构中抽取。

### 5.3 `extract_by_label(document, field_definition) -> FieldCandidate | None`

从标签字段中抽取。

### 5.4 `extract_by_regex(document, field_definition) -> FieldCandidate | None`

使用字段配置中的正则规则抽取。

### 5.5 `build_candidate(field, value, source) -> FieldCandidate`

构建字段候选。

## 6. 技术实现

使用技术：

1. `re`
2. 文本结构解析结果
3. 中文标点标准化

## 7. 异常处理

1. 文本为空：跳过该文档。
2. 多个候选：全部保留。
3. 正则异常：记录工具失败。
4. 候选值过长：标记待复核。

## 8. 测试要点

1. 能从标题抽取产品名称。
2. 能从标签抽取储存条件。
3. 多候选值全部保留。
4. 空文本不报错。