用Prompt让大模型抽取结构化数据，怎么调都抽不全怎么办？

长对话先切分再逐段抽，最后合并去重，比硬怼一个大prompt稳多了。

我也遇到过类似情况，后来发现很多失败样本其实是对话本身就没明确提到诉求或结果，模型不是没抽出来，是确实没有。建议你先人工看一批空字段的case，确认是模型问题还是数据问题。另外两次调用确实有用，先让模型判断这段对话有没有可抽取信息，再走抽取，能过滤掉不少噪声。长文本切分也要做，但别按固定字数切，按对话轮次或者话题边界切效果更好。

我前段时间做类似的东西也踩过这个坑，最后发现光靠prompt硬怼确实有天花板。你说的两次调用思路挺对的，我现在基本都拆成“先判断这段话里有没有可抽取的信息，再单独抽”，比一口气全塞给模型稳不少。长对话也确实得切，超过一定token之后模型对中间部分的注意力明显下降，我一般按对话轮次切，保留一点上下文重叠。另外输出格式乱这个问题，可以试试用function calling或者response_format强制JSON schema，比在prompt里写“请输出JSON”靠谱得多。还有个兜底手段是加一层校验，解析失败的样本自动重试或者降级到更简单的抽取逻辑，别指望一次就全对。温度调0其实主要影响的是采样随机性，对“抽不全”这种召回问题帮助有限，该漏还是漏。

我也遇到过类似情况，后来发现单靠prompt确实很难保证稳定。我的做法是把任务拆成两步：先让模型判断这段对话有没有明确诉求，没有就直接跳过，有的话再单独抽取。另外长对话最好按轮次切一下，不然模型容易漏掉中间的信息。温度调0也不一定管用，有时候加个简单的格式校验和重试反而更实在。

我之前也遇到过类似问题，后来换了方案。

有没有更详细的教程推荐？

我之前也遇到过类似情况，后来发现很多时候不是prompt的问题，而是模型对长对话里隐含信息把握不稳。可以试试先把对话按轮次切短，或者用两次调用：第一次只让模型判断这段有没有明确诉求，第二次再抽JSON，命中率会高不少。另外输出格式乱的话，加个json schema校验和重试机制挺管用的，别指望一次就全对。