Prompt 辅助的实体识别（NER）实战案例与技巧

二、Prompt 辅助 NER 的核心设计原则

要让大语言模型精准完成 NER 任务，Prompt 设计需遵循'目标明确、约束清晰、示例引导'三大原则。

1. 目标明确：清晰定义'实体类别'与'提取范围'

在 Prompt 中需明确告知模型：需要识别哪些实体类别（避免模型混淆或遗漏）；提取的文本范围（如单句、段落、多文档）；输出格式（便于后续数据处理）。

反例（模糊）：'从下面文本中提取实体。文本：[某新闻内容]'
问题：未定义实体类别，模型可能随意提取，如将'重要的''快速地'等非实体词汇纳入结果。

正例（明确）：'请从以下新闻文本中提取 3 类实体：1）组织机构（如公司、协会）；2）地名（如城市、国家）；3）时间（如日期、年份）。文本：[2024 年 5 月，腾讯公司与深圳市人工智能协会在深圳联合发布《AI 安全白皮书》]'
优势：实体类别边界清晰，模型可精准聚焦目标。

2. 约束清晰：限定'输出格式'与'错误处理'

为便于后续对 NER 结果进行自动化处理（如导入 Excel、对接数据库），需在 Prompt 中强制指定输出格式（如表格、JSON、列表），同时明确'无对应实体时的处理方式'（避免模型输出冗余内容）。

常见输出格式要求示例：

• 表格格式：'请以'实体类别 | 实体内容 | 在文本中的位置（如第 X 句话）'的表格形式输出结果，若某类别无对应实体，填写'无'。'
• JSON 格式：'请以 JSON 格式输出结果，键为实体类别（如"组织机构"），值为该类别下的实体列表（若无则为 empty list），示例：{"组织机构":["腾讯公司"],"地名":["深圳"],"时间":["2024 年 5 月"]}。'

3. 示例引导：用 Few-Shot 降低模型理解成本

对于复杂 NER 任务（如专业领域术语识别），仅靠文字描述可能无法让模型准确把握实体边界，此时需在 Prompt 中加入 1-3 个'示例'（Few-Shot），展示'输入文本→正确 NER 结果'的对应关系，帮助模型快速对齐任务目标。

示例设计要点：

1. 示例文本需与实际处理文本的'领域、风格一致'（如处理医疗病历，示例也需用病历片段）；
2. 示例需覆盖核心实体类别，避免遗漏关键类型；
3. 示例结果需绝对准确，避免错误示例误导模型。

三、多行业 Prompt 辅助 NER 案例实战

1. 案例 1：金融领域——财报文本实体识别

任务背景

从某上市公司 2023 年年度财报片段中，提取'公司名称、营收金额、净利润、资产负债率、审计机构'5 类实体，用于后续财务指标对比分析。

Prompt 设计

你是一名金融领域的实体识别助手，需从以下财报文本中提取指定实体。
任务要求：
1. 实体类别定义：
   - 公司名称：财报中提及的上市公司或关联公司全称；
   - 营收金额：包含具体数值和单位的年度营业收入（如'120 亿元'）；
   - 净利润：包含具体数值和单位的年度净利润（如'15.8 亿元'）；
   - 资产负债率：以百分比表示的资产负债率（如'58.2%'）；
   - 审计机构：负责财报审计的会计师事务所全称。
2. 输出格式：以 Markdown 表格输出，列名为'实体类别''实体内容''文本来源（原文片段）'；若某类别无对应实体，填写'无'。
3. 示例参考：
   （示例文本：2023 年，贵州茅台实现营业收入 1400.53 亿元，净利润 735.72 亿元，资产负债率为 21.4%，财报由普华永道中天会计师事务所审计。）
   （示例结果：| 实体类别 | 实体内容 | 文本来源（原文片段） |
   |------------|------------------------|--------------------------------------------------------|
   | 公司名称 | 贵州茅台 | 2023 年，贵州茅台实现营业收入 1400.53 亿元 |
   | 营收金额 | 1400.53 亿元 | 2023 年，贵州茅台实现营业收入 1400.53 亿元 |
   | 净利润 | 735.72 亿元 | 净利润 735.72 亿元，资产负债率为 21.4% |
   | 资产负债率 | 21.4% | 净利润 735.72 亿元，资产负债率为 21.4% |
   | 审计机构 | 普华永道中天会计师事务所 | 财报由普华永道中天会计师事务所审计 |
   ）
待处理财报文本：2023 年，比亚迪股份有限公司全年实现营业收入 4240.61 亿元，同比增长 10.6%；归属于上市公司股东的净利润 291.38 亿元，同比增长 44.1%；截至 2023 年末，公司资产负债率为 67.5%，较上年末下降 2.3 个百分点。本公司年度财务报告经立信会计师事务所（特殊普通合伙）审计，审计意见为标准无保留意见。

预期输出

技巧点分析

• 术语精准定义：针对'净利润'明确限定为'归属于上市公司股东的净利润'，避免模型混淆'毛利润''扣非净利润'等相似概念；
• 单位约束：在实体类别定义中强调'包含具体数值和单位'，防止模型仅提取数值（如'4240.61'）而遗漏单位（'亿元'）；
• 示例匹配场景：示例文本与待处理文本均为'年度财报片段'，风格、术语一致，模型无需额外适配领域差异。

2. 案例 2：医疗领域——病历文本实体识别

任务背景

从某患者的门诊病历片段中，提取'患者性别、年龄、主诉症状、既往病史、开具药品'5 类实体，用于病历结构化归档与用药安全核查。

Prompt 设计

你是一名医疗领域的实体识别助手，需从以下门诊病历文本中提取指定医疗实体。
任务要求：
1. 实体类别定义：
   - 患者性别：男/女；
   - 患者年龄：包含数值和单位（如'52 岁''3 个月'）；
   - 主诉症状：患者就诊时描述的主要症状（如'咳嗽 3 天''腹痛伴恶心'）；
   - 既往病史：患者之前确诊的疾病（如'高血压 5 年''糖尿病 2 型'）；
   - 开具药品：医生为患者开具的药品名称（含通用名，不含剂量）。
2. 输出格式：以 JSON 格式输出，键为实体类别，值为实体列表（若某类别无对应实体，值为 []）；
3. 示例参考：
   （示例文本：患者，女，38 岁，因'发热伴咽痛 2 天'就诊。既往有'甲状腺功能减退'病史 3 年，无药物过敏史。医嘱开具：左甲状腺素钠片、蓝芩口服液。）
   （示例结果：{
 "患者性别": ["女"],
 "患者年龄": ["38 岁"],
 "主诉症状": ["发热伴咽痛 2 天"],
 "既往病史": ["甲状腺功能减退（3 年）"],
 "开具药品": ["左甲状腺素钠片", "蓝芩口服液"]
 }）
待处理病历文本：患者，男，65 岁，因'反复胸痛 1 周，加重 1 天'来院就诊。追问病史，患者有'高血压病 10 年''2 型糖尿病 8 年'，长期服用硝苯地平控释片、二甲双胍片。查体：血压 150/95mmHg，心率 78 次/分。医嘱新增：阿司匹林肠溶片，用法：100mg/次，每日 1 次。

预期输出

{"患者性别":["男"],"患者年龄":["65 岁"],"主诉症状":["反复胸痛 1 周，加重 1 天"],"既往病史":["高血压病（10 年）","2 型糖尿病（8 年）"],"开具药品":["硝苯地平控释片","二甲双胍片","阿司匹林肠溶片"]}

技巧点分析

• 病史时间关联：在示例中展示'既往病史需包含患病时长'（如'甲状腺功能减退（3 年）'），模型会自动将病史与时间绑定，避免信息碎片化；
• 药品去重与筛选：明确'开具药品含通用名、不含剂量'，模型会自动过滤'100mg/次'等剂量信息，同时提取'长期服用'和'新增'的所有药品，无遗漏；
• 排除干扰信息：病历中'血压 150/95mmHg''心率 78 次/分'属于查体指标，未被纳入实体类别，模型会自动忽略，体现对'任务边界'的精准把握。

3. 案例 3：法律领域——合同文本实体识别

任务背景

从某房屋租赁合同片段中，提取'出租方、承租方、房屋地址、租赁期限、租金金额、违约责任'6 类实体，用于合同条款合规审查与关键信息备案。

Prompt 设计

你是一名法律领域的实体识别助手，需从以下房屋租赁合同文本中提取指定法律实体。
任务要求：
1. 实体类别定义：
   - 出租方：房屋所有权人或授权出租的主体（个人需含姓名，企业需含全称）；
   - 承租方：租赁房屋的主体（个人需含姓名，企业需含全称）；
   - 房屋地址：租赁房屋的详细地址（含省、市、区、街道、门牌号）；
   - 租赁期限：包含起止日期的租赁时间段（如'2024 年 6 月 1 日至 2027 年 5 月 31 日'）；
   - 租金金额：包含月租金/年租金数值和货币单位（如'每月 5000 元''每年 6 万元'）；
   - 违约责任：合同中约定的违约行为及对应责任（如'承租方逾期付款，按日支付租金 0.5% 的违约金'）。
2. 输出格式：以'实体类别：实体内容（原文依据）'的列表形式输出，若某类别无对应实体，标注'无'；
3. 示例参考：
   （示例文本：出租方：张三（身份证号：1101011980XXXX1234），承租方：北京 XX 科技有限公司（统一社会信用代码：91110105XXXXXX1234）。双方约定：租赁房屋位于北京市朝阳区建国路 88 号 XX 小区 3 号楼 1 单元 501 室，租赁期限自 2023 年 1 月 1 日至 2025 年 12 月 31 日，月租金为每月 4800 元。若出租方提前收回房屋，需赔偿承租方 2 个月租金作为违约金。）
   （示例结果：
   1. 出租方：张三（原文依据：出租方：张三（身份证号：1101011980XXXX1234））
   2. 承租方：北京 XX 科技有限公司（原文依据：承租方：北京 XX 科技有限公司（统一社会信用代码：91110105XXXXXX1234））
   3. 房屋地址：北京市朝阳区建国路 88 号 XX 小区 3 号楼 1 单元 501 室（原文依据：租赁房屋位于北京市朝阳区建国路 88 号 XX 小区 3 号楼 1 单元 501 室）
   4. 租赁期限：2023 年 1 月 1 日至 2025 年 12 月 31 日（原文依据：租赁期限自 2023 年 1 月 1 日至 2025 年 12 月 31 日）
   5. 租金金额：每月 4800 元（原文依据：月租金为每月 4800 元）
   6. 违约责任：出租方提前收回房屋，需赔偿承租方 2 个月租金作为违约金（原文依据：若出租方提前收回房屋，需赔偿承租方 2 个月租金作为违约金）
   ）
待处理合同文本：出租方：李华（身份证号：3101011975XXXX4321），承租方：王丽（身份证号：3101041990XXXX5678）。根据《中华人民共和国民法典》，双方达成如下协议：1. 租赁房屋地址：上海市浦东新区张江高科技园区博云路 2 号 XX 大厦 1508 室；2. 租赁期限：自 2024 年 9 月 1 日起至 2026 年 8 月 31 日止；3. 租金标准：每月 6500 元，按季度支付；4. 违约责任：承租方逾期支付租金超过 15 日，出租方有权解除合同，并要求承租方支付 1 个月租金作为违约金；出租方未按约定交付房屋，需赔偿承租方 5000 元。

预期输出

1. 出租方：李华（原文依据：出租方：李华（身份证号：3101011975XXXX4321））
2. 承租方：王丽（原文依据：承租方：王丽（身份证号：3101041990XXXX5678））
3. 房屋地址：上海市浦东新区张江高科技园区博云路 2 号 XX 大厦 1508 室（原文依据：租赁房屋地址：上海市浦东新区张江高科技园区博云路 2 号 XX 大厦 1508 室）
4. 租赁期限：2024 年 9 月 1 日至 2026 年 8 月 31 日（原文依据：租赁期限：自 2024 年 9 月 1 日起至 2026 年 8 月 31 日止）
5. 租金金额：每月 6500 元（原文依据：租金标准：每月 6500 元，按季度支付）
6. 违约责任：1. 承租方逾期支付租金超过 15 日，出租方有权解除合同，并要求承租方支付 1 个月租金作为违约金；2. 出租方未按约定交付房屋，需赔偿承租方 5000 元（原文依据：违约责任：承租方逾期支付租金超过 15 日，出租方有权解除合同，并要求承租方支付 1 个月租金作为违约金；出租方未按约定交付房屋，需赔偿承租方 5000 元）

技巧点分析

• 主体信息完整性：明确'出租方/承租方需含姓名/全称'，模型会自动提取身份证号/统一社会信用代码对应的主体名称，而非仅提取证件号；
• 地址精度控制：要求地址'含省、市、区、街道、门牌号'，模型会完整提取详细地址，避免遗漏'XX 大厦 1508 室'等关键信息；
• 违约责任结构化：合同中存在两类违约责任，模型会自动分类梳理，用'1. 2.'的形式呈现，体现对复杂信息的拆解能力。

四、常见问题与解决方案

1. 模型遗漏部分实体

现象：在处理长文本（如多段落财报、病历）时，模型可能遗漏后半部分的实体（如仅提取前半段的营收金额，忽略后半段的净利润）。 解决方案：

• 文本分段处理：在 Prompt 中要求'将文本按段落拆分，逐段提取实体，最后汇总'；
• 实体类别重复强调：在输出格式前再次列出实体类别，如'请确保覆盖以下所有类别：1.公司名称；2.营收金额；3.净利润；…，不得遗漏'；
• 加入'检查步骤'：在 Prompt 末尾添加'提取完成后，请核对是否每个实体类别都有对应结果，若有遗漏，补充完整'。

优化后 Prompt 片段：'待处理文本较长，需按段落拆分提取：1. 先将文本拆分为 3 个段落（以句号分隔）；2. 逐段提取'公司名称、营收金额、净利润'3 类实体；3. 汇总所有段落的实体结果，确保无遗漏；4. 最后核对：是否每个类别都有至少 1 个实体，若某段落无对应实体，标注'该段落无 XX 实体'。'

2. 模型识别错误实体（边界混淆）

现象：模型将非实体内容误判为实体，或实体边界错误（如将'比亚迪股份有限公司的子公司'整体识别为'公司名称'，实际目标实体仅为'比亚迪股份有限公司'）。 解决方案：

• 边界定义细化：在实体类别定义中明确'实体边界'，如'公司名称仅指主体全称，不包含'的子公司''分公司'等后缀'；
• 示例包含错误场景：在 Few-Shot 示例中加入'错误案例→正确案例'的对比，如'错误：比亚迪股份有限公司的子公司；正确：比亚迪股份有限公司'；
• 加入'过滤规则'：在 Prompt 中添加过滤条件，如'若提取的实体包含'的''与'等连接词，需判断是否为核心实体，仅保留主体部分'。

优化后 Prompt 片段：'公司名称定义：仅指企业核心全称，不包含'的子公司''分公司''关联企业'等后缀（示例：错误'比亚迪股份有限公司的子公司'；正确'比亚迪股份有限公司'）。提取后需检查：实体是否包含冗余后缀，若有，删除后缀保留核心名称。'

3. 输出格式不规范（难以自动化处理）

现象：模型未按指定格式输出（如要求表格格式，实际输出纯文本；要求 JSON 格式，实际存在语法错误），导致后续无法导入 Excel 或数据库。 解决方案：

• 格式校验提示：在 Prompt 末尾添加'输出前请检查：1. 表格是否有缺失列；2. JSON 是否有语法错误（如逗号遗漏、引号不匹配）；3. 实体内容是否填写完整，无空值。'
• 选择更简单的格式：若模型对复杂格式（如 JSON）适配性差，可改用'类别：内容'的列表格式，降低模型理解成本。

格式模板强制绑定：在 Prompt 中提供'空白格式模板'，要求模型直接填充内容，如： '输出格式模板（请直接填充括号内容，不得修改模板结构）：

五、进阶技巧

1. 结合'领域词典'提升专业实体识别精度

对于高度专业化的 NER 任务（如芯片领域的'芯片型号'、化工领域的'化学物质名称'），LLM 可能存在知识盲区，此时可在 Prompt 中嵌入'领域词典'，让模型基于词典进行实体匹配。

示例（芯片领域 NER）：

你是芯片领域的实体识别助手，需从文本中提取'芯片型号'实体。
任务要求：
1. 芯片型号词典：包含以下型号：A17 Pro、骁龙 8 Gen3、天玑 9300、麒麟 9000S、RTX 4090；
2. 提取规则：从文本中匹配上述词典中的型号，若存在未在词典中的型号，标注为'未知型号'；
3. 输出格式：芯片型号列表（如 ["A17 Pro", "骁龙 8 Gen3"]）。
待处理文本：2024 年新款手机中，苹果 iPhone 15 Pro 搭载 A17 Pro 芯片，小米 14 搭载骁龙 8 Gen3 芯片，华为 Mate 60 Pro 搭载麒麟 9000S 芯片，某款小众手机搭载 X123 芯片。

预期输出：["A17 Pro", "骁龙 8 Gen3", "麒麟 9000S", "未知型号（X123）"]

2. 用'多轮对话'处理跨文本 NER 任务

当需要从多个文本（如多篇新闻、多份病历）中提取同一类实体并汇总时，可通过'多轮对话'让模型逐步处理：

1. 第一轮：处理文本 1，提取实体；
2. 第二轮：处理文本 2，提取实体，并与文本 1 的结果合并（去重）；
3. 第三轮：处理文本 3，继续合并，最终输出完整实体列表。

多轮对话示例（第一轮）：

请从文本 1 中提取'组织机构'实体，输出格式：["实体 1", "实体 2"]。文本 1：阿里巴巴集团与浙江大学在杭州合作成立'数字经济研究院'。

模型输出：["阿里巴巴集团", "浙江大学", "数字经济研究院"]

多轮对话示例（第二轮）：

请从文本 2 中提取'组织机构'实体，然后与上一轮结果（["阿里巴巴集团", "浙江大学", "数字经济研究院"]）合并，去除重复实体，输出最终列表。文本 2：腾讯公司与浙江大学在深圳举办'AI 论坛'，邀请数字经济研究院专家参与。

模型输出：["阿里巴巴集团", "浙江大学", "数字经济研究院", "腾讯公司"]

3. 用'Logit Bias'抑制无关实体生成（API 调用场景）

在调用 LLM API（如 OpenAI API）时，可通过设置'Logit Bias'参数，降低模型生成无关词汇（如非实体词汇）的概率，提升 NER 精度。例如，在提取'地名'实体时，可提高'北京''上海'等地名词汇的生成权重，降低'的''在''和'等虚词的权重。

API 参数设置示例（Python）：

import openai
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role":"user","content":"请从文本中提取地名实体，输出格式：["地名 1", "地名 2"]。文本：2024 年 3 月，在上海举办的进博会吸引了来自北京、广州的企业参与。"}],
    logit_bias={"上海":10, # 提高'上海'的生成权重
                "北京":10, # 提高'北京'的生成权重
                "广州":10, # 提高'广州'的生成权重
                "的":-10, # 降低'的'的生成权重
                "在":-10 # 降低'在'的生成权重
               }
)
print(response.choices[0].message.content)

预期输出：["上海", "北京", "广州"]

六、总结与实践建议

Prompt 辅助 NER 凭借'低门槛、高效率、强泛化'的优势，已成为非专业 NLP 开发者处理实体识别任务的首选方案。通过本次案例实战，可总结出核心实践建议：

1. 新手入门：从'明确格式 + 单类别'开始
   初次尝试时，避免同时处理多类别实体，可先聚焦 1-2 类（如仅提取'公司名称 + 时间'），同时提供固定输出模板（如表格），降低模型理解难度。
2. 行业应用：必加'领域示例 + 术语定义'
   处理金融、医疗、法律等专业领域时，需在 Prompt 中加入'领域专属示例'和'术语精准定义'，避免模型因知识盲区导致识别错误。
3. 效率提升：善用'格式模板 + 多轮对话'
   对于批量处理（如多份合同、多篇财报），可设计标准化 Prompt 模板（只需替换待处理文本），并通过多轮对话实现实体汇总，减少重复工作。
4. 精度优化：及时'反馈纠错 + 参数调整'
   若模型出现识别错误，需在后续 Prompt 中加入'错误案例对比'（如'上一轮错误：XXX；正确应为：XXX'），或在 API 调用时调整 Logit Bias 参数，逐步优化识别精度。

通过持续优化 Prompt 设计，结合行业场景特性，Prompt 辅助 NER 可满足从'简单文本提取'到'复杂专业场景'的多样化需求，为后续 NLP 任务（如知识图谱构建、智能检索）提供高质量的实体数据支撑。