直接说结论：Nova AI确实能自动识别并结构化提取“谁在什么时候做了什么事”。但它不会主动猜你的需求——你得给它画一张精确的寻宝图，也就是明确、可执行的指令。

精准抓取关键词的底层逻辑

Nova AI的底层逻辑并不复杂。它不靠模糊匹配，而是基于实体类型约束加上上下文语义锚定。

系统默认只识别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

而且，文本长度必须控制在1000字符以内。超长内容必须先切段，否则直接返回空结果——连个报错提示都不会有。

更关键的是，它不会自作主张。比如“张三说下周上线”，里面的“下周”被原样提取为字符串，不会自动转成具体日期。除非你显式要求时间归一化，否则它只做字面匹配。

信息提取指令公式（三要素缺一不可）

方法一：直接调用基础实体抽取接口

使用textProcessing.getEntity()接口，传两个参数：原始文本 + 实体类型数组。

举个例子：
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]

输出结果是一个带位置坐标的JSON对象，包含“王磊”“huawei.com”“明天上午10点”“松山湖总部”“138****1234”五项，每项都附带起始偏移量。

方法二：带过滤条件的精准指令

如果你只要手机号，而且想排除座机（只留11位纯数字），那就需要手动加一道后处理过滤：

• 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

关键点：Nova AI本身不做格式校验，这步必须手动补上。

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，可以这样输入指令：
“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”

这条指令走的是LLM+规则双引擎路径，会主动做动词识别（比如“批准”“驳回”“启动”）和时间归一化（比如把“后天下午”转成“2026-07-11 15:00”）。
但务必严格限定输出格式，否则AI可能会自由发挥、加备注，结果就乱了。

实操避坑步骤

第一步：确认文本是否已清洗

广告、页眉页脚、乱码符号都会干扰实体定位。Nova AI对噪声的敏感度超出想象——实测数据显示，只要段落里出现3个以上无关符号（比如★◆●），人名识别准确率就会下降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，最后合并结果。千万别试图一次性喂入全文——一旦超过1000字符，直接返回空数组，没有任何报错提示。

第三步：验证实体坐标是否可用

API返回的每个实体都带有startOffset和endOffset，这两个值能精确定位原文位置。如果要实现高亮或跳转，必须用这个偏移量，不要用字符串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。这时需要写一层映射逻辑，把NAME的结果自动填入“负责人”字段，避免人工二次搬运。

《夸克》非常好用的免费AI浏览器

下载APP查看