LangChain实战：图片结构化技巧排行榜
在之前的文章中，我们已详细探讨了Langchain框架下如何高效调用大语言模型（LLM）以及设计精准的Prompt模板。这次直接进入实战：拿一张入职说明图片，完整走通图片文本提取、结构化处理，最终构建一个能理解上下文的智能问答系统。整套流程在普通配置的PC上就能运行，无需上云，跟一遍就能快速掌握实操技巧。
环境配置
实践所需依赖包如下：
langchain==0.2.9
torch
html2text
paddlepaddle
paddleocr文本提取
图片中的文字和表格如何抽取？这里选用PaddleOCR的表格识别模块，它不仅能识别文字，还能保留表格的结构信息。核心代码如下：
import cv2
from paddleocr import PPStructure
table_engine = PPStructure(show_log=True, use_gpu=False, lang='ch')
img_path = r'./2.jpg'
img = cv2.imread(img_path)
result = table_engine(img)
html = result[0]['res']['html']
print(len(html))
# 2723输出是一段HTML格式的文本，其中混杂了大量样式标签，长度2723字符。如果直接喂给模型，会浪费大量token。利用html2text将其转换为Markdown格式，体积瞬间压缩到1051字符，信息更加紧凑：
import html2text
markdown = html2text.html2text(html)
print(len(markdown))
# 1051模型定义
模型选型非常灵活。如果你持有OpenAI的API key，直接按以下方式构建：
from langchain_openai import ChatOpenAI
chat_model = ChatOpenAI(model="gpt-3.5-turbo-0125", temperature=0.0)偏好本地部署的话，也可以加载自己的模型。参照之前RAG文章中的方法，用HuggingFace Pipeline封装即可：
from langchain_huggingface import HuggingFacePipeline
from langchain_huggingface import ChatHuggingFace
llm = HuggingFacePipeline.from_model_id(
model_id="./Qwen/Qwen2-0.5B-Instruct",
task="text-generation",
pipeline_kwargs=dict(
max_new_tokens=512,
do_sample=False,
),
)
chat_model = ChatHuggingFace(llm=llm)模型配置完成后，后续流程可按需切换，扩展性很强。
要素提取
接下来演示用Qwen2-0.5B搭建一个简单的问答流水线。模型虽小，但在单字段要素提取任务上表现稳定。先定义Prompt模板：
from langchain_core.prompts import ChatPromptTemplate
chat_prompt_template = ChatPromptTemplate.from_messages([
("system", "You are a helpful assistant"),
("user", "根据表格内容回答下面问题：\n表格内容：\n{context}\nQuestion: {question}\nAnswer:")
])
chain = chat_prompt_template | chat_model.bind(skip_prompt=True)
res = chain.invoke({"context": markdown, "question": "姓名是什么？"})
# res.content # 赵开心
res = chain.invoke({"context": markdown, "question": "婚姻状况？"})
# res.content # 婚姻状况为未婚。单字段问答非常稳定，但若需要一次性提取多个字段，0.5B模型就会有些吃力。下篇文章将专门讲解如何优化Prompt实现一次性结构化提取，并给出对应的写法技巧。