两次 API 调用，把搜索结果整理成结构化字段表

一句话结论

把搜索结果接成结构化数据只需要两次 API 调用：一次联网检索拿原始材料，一次按 JSON Schema 抽取字段。

这篇解决什么问题

场景通常是这样：手头一批关键词，去网上搜一圈，再把每条结果里关心的字段抠出来填表。几十条手工还能扛，上百条就是体力活，下周还得重来。适用的是字段固定、来源公开的场景；字段还在反复改、需要登录才能看的页面，别走这条路线。

开始前要准备什么

• 一个支持联网搜索的接口，多数平台会给新账号一笔试用额度，之后按调用量计费
• 一个支持 JSON Schema 约束输出的模型接口，可以和上面是同一家
• 一份关键词或对象清单，10~20 条就够起步，CSV 或纯文本都行
• 能发 HTTP 请求的环境：Python 脚本、Postman，或者 n8n 这类低代码工具
• 时间预算上，跑通第一版通常在 30~60 分钟，大半花在调 Schema

具体怎么做

第 1 步 · 先把输出字段定死

别一上来就写调用代码。字段没定清楚，后面两次调用的上下文都在飘，跑完还得推翻重来。

我在整理一份产品资料表，每条记录代表一个工具。请帮我设计抽取字段，要求：字段名用英文小写下划线；每个字段给出中文含义、数据类型（string / number / boolean / array）以及是否必填；必须包含 source_url 和 fetched_at 两个字段；字段总数不超过 12 个。示例对象：一款面向小团队的在线表单工具。只输出表格，不要解释。

预期产出：一张字段定义表，能直接翻译成 JSON Schema，第 4 步的提示词里会原样贴进去。

第 2 步 · 第一次调用只负责搜

这一步的关键是让模型别总结。总结一次，后面能核对的原句就没了，字段填错也无从追溯。我一般要求它按固定字段返回片段和出处。

请联网搜索以下关键词，返回 5 条相关结果。每条输出四个字段：title（页面标题）、url、published_at（拿不到就写 unknown）、snippet（原文中与关键词最相关的 200 字以内片段）。不要总结，不要发表观点，不要合并不同来源。关键词：{keyword}

预期产出：一段 JSON 数组，5 条记录，带标题、网址、时间和原文片段，可以直接交给下一步。

第 3 步 · 中间层做清洗和去重

原始片段里混着导航文字和重复段落，直接喂给第二次调用既费 token 又污染字段。有人用几行代码去重截断，也有人先跑一次轻量调用做归并，两种都行。

下面是搜索返回的原始条目。请做三件事：删掉明显的导航、推广、版权声明段落；把同一 url 下的多个片段合并成一段，保留信息量最大的部分；每条记录压缩到 600 字符以内。输出 JSON 数组，字段保持 title、url、published_at、snippet 不变。不要新增条目，也不要删减条目。

预期产出：一份干净的 JSON 数组，条数不变，冗余内容基本清掉，体积明显变小。

第 4 步 · 第二次调用做结构化抽取

这次调用不给它搜索工具，只给 Schema 和材料。搜归搜、抽归抽，出问题的时候你能立刻判断是哪一环的锅。

你是数据抽取器。根据下面的搜索结果填充 JSON Schema，规则：找不到对应信息的字段填 null，不要推测；数字字段只写数字，不带单位；每个取值必须能在 snippet 中找到对应原句，找不到就填 null；只输出 JSON，不要代码块标记，不要任何解释说明。Schema：{schema}。搜索结果：{search_results}

预期产出：一条关键词对应一条 JSON 记录，字段稳定、类型固定，能直接写进表格或数据库。

第 5 步 · 回查一轮再落表

批量跑的时候总有几条产物很勉强。抽完让模型自检一遍，比人工逐条翻网页快得多，也不容易漏。

检查下面这条记录：列出所有取值为 null 的字段；对每个非 null 字段，引用 snippet 中对应的原句；如果某个取值是从标题推断而不是正文得出，标记为 inferred。输出格式为「字段名 | 取值 | 原句或 inferred」。不要修改记录本身。

预期产出：一份自检清单。人工只需要看被标成 inferred 的字段，其余可以放心入库。

实测记录

成本主要看搜索调用次数和输出 token，各家计费方式不一样，以官方文档为准。跑通流程这一轮的支出通常很低，真正花时间的是改 Schema。

最容易错的 3 个地方

1. 两次调用合成一次。让模型边搜边吐 JSON，字段经常缺，来源也对不上。拆开跑。
2. Schema 写得太松。类型没锁、枚举没列，下游解析反复报错。补上 required 和 enum。
3. 漏了来源字段。抽完发现有问题，回不到原网页。source_url 设成必填。

可复用的东西

这五段提示词可以存成一个模板文件，把 {keyword}、{schema}、{search_results} 三个位置留成变量，换个清单就能跑另一批数据。字段表单独存一份，别写死在提示词里，改口径的时候你只动一个地方。

省时间的从来不是模型多聪明，是字段定得够死，错的时候一眼能看出来。这套流程真正难的部分不在调用，在于你愿不愿意先花二十分钟把字段想清楚。

你现在手头那批数据，字段能一次性定死吗？

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接