DEMO-AGENT/docs/详细设计/skill/规则字段抽取Skill.md

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

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

3. 输出

@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。