用几行代码从文档中抽取结构化数据，告别繁琐提示词
ContextGem 是一个专注于从文档中提取结构化信息的 Python 库，旨在简化 LLM 在文档解析和信息抽取任务中的使用流程。它解决了传统 LLM 提取过程中需要编写大量提示词、处理输出格式、管理上下文窗口等痛点，提供了一套简洁的 API，让开发者能够快速定义数据模型，并自动将文档内容映射到模型字段。其核心能力包括：基于 Pydantic 的声明式数据模型定义、自动分块与上下文管理、多模型后端支持（如 OpenAI、Anthropic 等）、以及内置的提取结果校验与修正机制。通过 ContextGem，用户无需深入 LLM 细节，即可高效地从 PDF、Word、网页等各类文档中抽取实体、关系、表格等结构化数据，适用于合同审核、简历解析、研究报告分析等场景。项目代码清晰，文档齐全，处于快速迭代阶段。
1安装 ContextGem
用 pip 安装官方发布的 contextgem 包，-U 参数确保升级到最新版本。
pip install -U contextgem2用 uv 安装（可选）
如果你使用 uv 管理依赖，可用 uv add 把 contextgem 加入项目依赖，README 中推荐这种方式。
uv add contextgem3导入核心类
ContextGem 的主要入口是 Document、DocumentLLM 和 StringConcept 三个类，按需导入即可。
from contextgem import Document, DocumentLLM, StringConcept4配置 LLM 后端
创建 DocumentLLM 实例，model 使用「提供商/模型名」格式，api_key 填你自己的密钥。
llm = DocumentLLM(
model="openai/gpt-5-mini", # or another provider/LLM
api_key="sk-xxxxxxxx",
)5执行抽取
把定义好的 Document 交给 LLM 一次性抽取全部 aspect 与 concept，返回填充好结果的 document。
document = llm.extract_all(document)| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
model | 是 | 指定使用的 LLM，格式为提供商/模型名 | openai/gpt-5-mini |
api_key | 是 | 调用对应 LLM 服务所需的 API 密钥 | sk-xxxxxxxx |
extract_all 正常返回填充了抽取结果的 document 对象、且未抛出异常即视为运行成功。
Q：支持哪些 Python 版本？
A：README 徽章显示支持 Python 3.10、3.11、3.12、3.13、3.14。
Q：一定要用 OpenAI 的模型吗？
A：不是。DocumentLLM 的 model 可换成其他提供商或本地 LLM，填写对应的 model 与 api_key 即可。
Q：单个模型效果不理想怎么办？
A：可使用 LLM Group：给一组 LLM 分配不同角色，把不同 aspect/concept 路由到专用模型，例如简单抽取与推理任务分开。
Q：pip 和 uv 装哪个？
A：README 推荐 uv（uv add contextgem），用 pip 时执行 pip install -U contextgem 即可，两者选其一。
LangChain、LlamaIndex、Instructor
contextgem 是搜索知识领域的开源项目，由 shcherbak-ai 开发，2024 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（2,005）位列前 30%，在搜索知识分类中处于中上游。
近 42 天，它的 GitHub 星标从 1,974 增加到 2,005，净增 31。
项目仍在小幅维护中，最近一次代码更新于 2026-09-22。Apache-2.0许可证，可免费使用和部署。
它主要面向的使用场景是：合同关键条款自动提取与审核。同类可对比的替代方案包括 LangChain、LlamaIndex、Instructor。
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···