工作信息经常以“乱文本”出现

客户邮件、聊天记录、Word 文档、PDF 合同和网页内容，通常不是表格、JSON 或数据库行，而是人类写给人类看的“乱文本”。

人类读着没问题，但电脑没法”用”——你没法对一堆邮件做求和、没法把一堆合同筛”金额 > 10 万的”、没法把一堆客户咨询按紧急程度排队。

大模型很适合把“乱文本”转换为候选结构化数据。 但金额、日期、姓名和缺失字段仍要经过 schema 校验与人工抽查，不能把生成结果直接当事实入库。

练习场景

假设装修公司的销售助理每天收到多封客户咨询邮件，需要把姓名、电话、装修需求、预算和紧急程度录入 CRM。

可以先让大模型输出候选 JSON，再经过 schema 校验、人工抽查和授权的数据导入流程。这个 Lab 会让你亲手完成其中的提取与验证步骤，不假设它已经替真实公司节省了固定时长。

这个 Lab 的核心挑战

你会拿到一段 500 字左右的客户邮件。要求提取出这个 JSON：

{
  "name": "张伟",
  "phone": "13812345678",
  "need": "客厅 + 主卧装修，约 80 平",
  "budget": 80000,
  "urgency": "高"
}

看起来简单，但真做的时候你会撞到这些问题：

• 客户写”我手机 138 一二 3 四 56 七八”——AI 能不能识别出来并转成 11 位数字？
• 客户说”预算大概 8 万”——AI 该写 80000 还是写 “8 万” 字符串？
• 客户根本没说紧急程度——AI 该写 null 还是从语气猜一个？
• 客户说”如果可以的话希望尽快”——这算”高”还是”中”？

这些问题没法靠”AI 自己想”，必须由你的 prompt 明确告诉它。这就是这个 Lab 真正训练的能力——写出一条不管输入怎么变都能稳定输出的 prompt。