Nova AI能自动结构化提取“谁在什么时候做了什么事”，需明确指令：限定实体类型、文本≤1000字符、三要素指令（方法一基础抽取、方法二后处理过滤、方法三自然语言触发），并严格遵循清洗、分段、坐标验证、字段映射四步避坑。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要从一段会议纪要、产品需求文档或用户反馈里快速拎出“谁在什么时候做了什么事”，而不是靠人工逐字扫描——Nova AI能自动识别并结构化提取关键要素，但前提是给它明确、可执行的指令。
精准抓取关键词的底层逻辑
Nova AI不靠模糊匹配，而是基于实体类型约束+上下文语义锚定。它默认只识别10类预设实体（人名、时间、地点、电话、邮箱、网址、身份证号、快递单号、航班号、验证码），且【文本长度不能超过1000字符】。超长文本必须先切段，否则直接返回空结果。
它不会猜你想要什么，也不会把“张三说下周上线”里的“下周”强行转成具体日期——除非你显式要求时间归一化，否则它只原样提取“下周”这个字符串。
信息提取指令公式（三要素缺一不可）
方法一：基础实体抽取指令
直接调用textProcessing.getEntity()接口，传入两个参数：原始文本 + 实体类型数组。例如：
→ 输入文本：“王磊@huawei.com明天上午10点在松山湖总部开会，联系电话138****1234”
→ 实体数组：[EntityType.NAME, EntityType.EMAIL, EntityType.DATETIME, EntityType.LOCATION, EntityType.PHONE_NO]
→ 输出结果为带位置坐标的JSON对象，含“王磊”“huawei.com”“明天上午10点”“松山湖总部”“138****1234”五项，每项附带起始偏移量。
方法二：带过滤条件的精准指令
若只要手机号，且排除座机（只留11位纯数字），需后处理过滤：
→ 先用getEntity(text, [EntityType.PHONE_NO])拿到所有疑似号码
→ 再用正则/^1[3-9]\d{9}$/筛出合规手机号
【注意：Nova AI本身不做格式校验，这步必须手动加】
方法三：用自然语言指令触发智能补全
在小艺Agent或Nova AI Ops控制台输入：
“从以下文本中提取所有决策人姓名、对应动作动词、以及动作发生的具体时间点，按‘人-动词-时间’三元组格式输出，不要解释，不要换行”
→ 这条指令绕过了标准实体API，走的是LLM+规则双引擎路径，会主动做动词识别（如“批准”“驳回”“启动”）和时间归一化（如把“后天下午”转成“2026-07-11 15:00”）
→ 但必须严格限定输出格式，否则AI可能自由发挥加备注。
实操避坑步骤
第一步：确认文本是否已清洗
广告、页眉页脚、乱码符号会干扰实体定位，Nova AI对噪声极其敏感。实测显示，含3个以上无关符号（如★◆●）的段落，人名识别准确率下降42%。
第二步：拆分超长文本
把4800字的产品需求文档按自然段落切成≤800字符的块，每块单独调用getEntity，再合并结果。不要试图一次性喂入全文——【超过1000字符直接返回空数组，无报错提示】。
第三步：验证实体坐标是否可用
API返回的每个实体都带startOffset和endOffset，用这两个值能精确定位原文位置。如果你要做高亮或跳转，必须用这个偏移量，别用字符串indexOf——中文字符编码会导致索引错位。
第四步：对齐业务字段命名
比如你系统里叫“负责人”，但Nova AI只认EntityType.NAME；需要写一层映射逻辑，把NAME结果自动填入“负责人”字段，避免人工二次搬运。
