用途：在解析测验、表单、发票、文档等结构化文本时，决定何时使用正则表达式（Regex），何时引入大型语言模型（LLM）。核心思路是让正则确定性地处理大多数重复模式，把昂贵的 LLM 调用留给边界情况。
主要能力：提供决策框架——若文本格式一致且重复（超过90%遵循某种模式），先从正则开始；若正则覆盖率低于95%，再仅针对低置信度项添加 LLM；若文本非格式化且高度多变，则直接使用 LLM。配套给出架构模式：正则解析器提取结构，文本清洗器去除噪声，置信度评分器标记低置信度结果，高置信度直接输出，低置信度交由 LLM 验证器。实现参考包含正则解析、置信度评分、LLM 验证和混合流水线等代码思路，并给出真实指标示例（410个项目：正则成功率98.0%，低置信度8项，LLM 调用约5次，成本节省约95%）与最佳实践、反模式。
使用方式：先用正则编写解析器，对提取结果评分，标记低置信度项，再仅对这些项调用 LLM（如较便宜的模型）验证修复。
适用场景：测验/考试题解析、表单数据提取、发票/收据处理、文档结构解析等具有重复模式且对成本敏感的任务。
限制：对非格式化、高度多变的文本正则不适用；需自行实现评分与验证逻辑；文中未提供具体安装命令或平台信息。