端侧 AI · 部署
本地模型实体抽取：别自动补造字段
区分原文 span、规范化字段、校验与用户复核。
主查询：本地实体抽取 · 核验：2026-09-16 · 事实卡：ARCH-01, BENCHMARK-01
先给结论
本地模型实体抽取只能严格区分三类内容：原文 span 是模型直接从文本中检出的实体片段，规范化字段是在此基础上做的格式与名称统一，校验与用户复核是对结果的规范化任务，两者都必须建立在已有记录上，不得向外推断任何额外字段或属性。任何超出原始文本范围的内容都应被视作推测，必须交由人工确认而不是由系统代为补全。
需要先收集的证据
至少把下面三项与同一个 artifact、运行时和任务绑定：
- entity schema
- span fixture
- 歧义与缺失案例
若缺一项，就把它写成未知，不要用模型参数、芯片宣传或网上截图代替。
实施流程
证据组织应围绕一张事实卡展开，至少串联 entity schema、span fixture，以及歧义与缺失案例几类材料。entity schema 用于界定字段与取值边界，span fixture 提供可对照的原文位置与上下文样例，歧义与缺失案例记录模型判断不确定或未覆盖的情况，三者需要相互对齐并加以记录和对比，以便后续复核有据可依。
- 先写任务和最大输入
- 确定运行时与 artifact 格式
- 固定 revision 与发布清单
- 做最小可复现工程
- 在目标设备跑代表任务
- 记录失败、回退与清理
最容易写错的地方
- 编造缺失实体
- 丢失原文位置
常见错误模式主要表现为编造缺失实体和丢失原文位置，前者是模型补出了原文并不存在的内容，后者是结果未保留原始文本中的出处与区间。发布结论应被限制到已有记录：只能依据事实卡 ID 如 ARCH-01、BENCHMARK-01 中登记的 schema、fixture 与案例进行陈述，不引入未经验证的新现象或新原因。
最小复现记录
| 层 | 必须记录 |
|---|---|
| 设备 | 型号、芯片、系统、RAM 档位 |
| 软件 | App 版本与 git commit |
| 模型 | 家族、变种、revision、格式、长度、hash、量化 |
| 运行时 | 版本、请求后端、实际后端证据 |
| 任务 | fixture、输入 hash、prompt hash、输出规则 |
| 结果 | 完成、失败、取消、回退与恢复 |
发布检查单
- 目标查询已在开头直接回答。
- 所有数字都能回到事实卡或原始记录。
- artifact、runtime、设备与任务没有混淆。
- 失败、取消、清理与回退都被测试。
- 隐私和网络边界单独说明。
- 结论只适用于记录中的配置。