LangExtract 是 Google 提供的 Python 库，用于使用大语言模型从非结构化文本中抽取结构化、带源锚定的信息。它适合从医疗笔记、报告、文档等非结构化文本中抽取结构化实体，将抽取结果映射回原文精确位置，处理超出模型 token 限制的长文档，用交互式 HTML 高亮可视化抽取结果，从病历抽取临床信息，结构化放射或病理报告，从临床笔记抽取药物、诊断或症状，分析文学文本中的人物、情感与关系，构建领域专属抽取流水线，以及配合 Gemini、OpenAI 或本地模型（Ollama）使用，并在不进行微调的情况下生成符合模式的输出。
核心特性包括：源锚定，每条抽取结果都映射到源文本中的精确位置；结构化输出，通过受控生成得到符合模式的结果；长文档处理，提供智能分块与多轮抽取；交互式可视化，生成自包含 HTML 以便在语境中审查抽取结果；灵活的模型支持，可配合 Gemini、OpenAI 与本地模型；少样本学习，只需高质量示例，无需昂贵的微调。
使用方式方面，前置条件为 Python 3.8 或更高版本，以及 Gemini（AI Studio）、OpenAI 或本地 Ollama 的 API 密钥。安装命令包括：pip install langextract；pip install langextract[openai]；pip install langextract[dev]。从源码安装：git clone https://github.com/google/langextract.git，cd langextract，pip install -e .，pip install -e ".[test]"。Docker 安装：docker build -t langextract .；docker run --rm -e LANGEXTRACT_API_KEY="your-api-key" langextract python your_script.py。API 密钥可通过环境变量设置，例如 export LANGEXTRACT_API_KEY="your-gemini-api-key"、export OPENAI_API_KEY="your-openai-api-key"，或使用 .env 文件。
基本使用流程为：定义抽取任务提示，提供少样本示例（lx.data.ExampleData 与 lx.data.Extraction），传入待抽取文本，调用 lx.extract(...)，读取 result.extractions 中的抽取结果，再用 lx.io.save_annotated_documents(...) 保存为 JSONL，并通过 lx.visualize(...) 生成 HTML 可视化。核心概念涵盖抽取类别、源锚定（start_char 与 end_char）、属性（attributes）、少样本学习以及长文档处理（extraction_passes、max_workers、max_char_buffer）。配置上可选择 Gemini、OpenAI、Ollama 模型，支持 Vertex AI、批量处理等后端配置与环境变量。文档还给出临床笔记抽取、放射报告结构化、多文档处理、交互式可视化、自定义 Provider 插件等常见模式。
适用场景包括医疗与临床文本结构化、文学文本分析、领域专属抽取流水线等。限制方面，资料未提供具体的收费、价格、性能或效果数据；使用需自备相应模型 API 密钥或本地模型环境；部分模型配置（如 OpenAI 需 fence_output=True、use_schema_constraints=False）需按文档调整。