115 lines
3.0 KiB
Markdown
115 lines
3.0 KiB
Markdown
# 字段抽取编排Skill 设计
|
||
|
||
## 1. Skill 定位
|
||
|
||
`字段抽取编排Skill` 是第三步工作流的总入口 Skill，负责组织字段抽取范围确认、字段 schema 加载、规则抽取、表格抽取、长文本归纳、字段标准化、统一字段池写入和报告生成。
|
||
|
||
英文实现标识建议使用 `FieldExtractionOrchestrateSkill`。
|
||
|
||
本 Skill 不直接完成每一种抽取细节，而是负责执行顺序和结果合并。
|
||
|
||
## 2. 输入
|
||
|
||
```python
|
||
@dataclass
|
||
class FieldExtractionOrchestrateInput:
|
||
batch_id: int
|
||
scenario_id: str = "registration_field_extraction"
|
||
field_schema_id: str = "ivd_registration_fields_v1"
|
||
selected_document_ids: list[int] = field(default_factory=list)
|
||
target_field_keys: list[str] = field(default_factory=list)
|
||
enable_llm_fallback: bool = True
|
||
enable_rag_context: bool = True
|
||
```
|
||
|
||
## 3. 输出
|
||
|
||
```python
|
||
@dataclass
|
||
class FieldExtractionOrchestrateOutput:
|
||
report_type: str
|
||
batch_id: int
|
||
field_schema_id: str
|
||
summary: dict
|
||
field_pool_items: list[dict]
|
||
manual_review_fields: list[dict]
|
||
evidence_refs: list[dict]
|
||
audit_id: int | None = None
|
||
```
|
||
|
||
## 4. 依赖 Skill
|
||
|
||
1. `字段抽取范围确认Skill`
|
||
2. `字段Schema加载Skill`
|
||
3. `规则字段抽取Skill`
|
||
4. `表格字段抽取Skill`
|
||
5. `长文本字段归纳Skill`
|
||
6. `字段标准化Skill`
|
||
7. `统一字段池写入Skill`
|
||
8. `字段抽取报告生成Skill`
|
||
|
||
## 5. 核心方法
|
||
|
||
### 5.1 `run(input) -> FieldExtractionOrchestrateOutput`
|
||
|
||
主入口方法。
|
||
|
||
执行顺序：
|
||
|
||
1. 加载执行上下文。
|
||
2. 调用 `字段抽取范围确认Skill`。
|
||
3. 调用 `字段Schema加载Skill`。
|
||
4. 调用 `规则字段抽取Skill`。
|
||
5. 调用 `表格字段抽取Skill`。
|
||
6. 按需调用 `长文本字段归纳Skill`。
|
||
7. 调用 `字段标准化Skill`。
|
||
8. 调用 `统一字段池写入Skill`。
|
||
9. 调用 `字段抽取报告生成Skill`。
|
||
10. 写入审计记录。
|
||
|
||
### 5.2 `load_execution_context(input) -> FieldExtractionContext`
|
||
|
||
加载批次、文档、完整性检查报告和已有字段池状态。
|
||
|
||
### 5.3 `merge_field_candidates(*candidate_groups) -> list[FieldCandidate]`
|
||
|
||
合并规则抽取、表格抽取和长文本归纳结果。
|
||
|
||
### 5.4 `filter_target_fields(schema, target_field_keys) -> list[FieldDefinition]`
|
||
|
||
筛选本次需要抽取的字段。
|
||
|
||
## 6. 技术实现
|
||
|
||
使用技术：
|
||
|
||
1. Python dataclass 或 Pydantic
|
||
2. Tool Registry
|
||
3. LLM Provider
|
||
4. Django 服务层
|
||
5. Audit 服务
|
||
|
||
建议注册名：
|
||
|
||
```python
|
||
tool_registry.register(
|
||
name="field_extraction_orchestrate",
|
||
handler=FieldExtractionOrchestrateSkill().run,
|
||
)
|
||
```
|
||
|
||
## 7. 异常处理
|
||
|
||
1. 无可抽取文档：返回业务提示。
|
||
2. 字段 schema 不存在：任务失败并写审计。
|
||
3. LLM 不可用：跳过 LLM，保留规则和表格结果。
|
||
4. 所有抽取方式均失败：返回待人工复核报告。
|
||
|
||
## 8. 测试要点
|
||
|
||
1. 能按顺序调用依赖 Skill。
|
||
2. LLM 关闭时仍可执行规则抽取。
|
||
3. 无文档时返回清晰错误。
|
||
4. 输出报告结构稳定。
|
||
|