- ✓
暂未采集到具体套餐,价格以官网为准
ReDefiNER by Jungroo AI Labs
在 CPU 上使用冗长而复杂的规则进行实体抽取
ReDefiNER by Jungroo AI Labs 是什么?
ReDefiNER by Jungroo AI Labs 是一款基于 Qwen3.5-0.8B 的开放权重实体抽取模型,可通过自然语言提示定义实体类型及最长约 10,000 tokens 的复杂规则,精确返回文本片段、类型和置信度。模型仅约 0.77 GB(int8),支持离线 CPU 运行,提示编码后可缓存,修改规则无需重新训练,并采用 Apache 2.0 许可证。
产品详细介绍
在 CPU 上使用冗长而复杂的规则进行实体抽取
ReDefiNER by Jungroo AI Labs 是一款基于 Qwen3.5-0.8B 的开放权重实体抽取模型,可通过自然语言提示定义实体类型及最长约 10,000 tokens 的复杂规则,精确返回文本片段、类型和置信度。模型仅约 0.77 GB(int8),支持离线 CPU 运行,提示编码后可缓存,修改规则无需重新训练,并采用 Apache 2.0 许可证。
定价方案
需要付费创始人评论
你好,Product Hunt,我是 Jungroo AI Labs 的联合创始人 Cibe。ReDefiNER 是一款小型开放模型,可以按照你用直白英语编写的冗长复杂规则,从文本中提取细节。它在 CPU 上运行,因此你的文本始终不会离开本机。
问题在于:每个团队所说的“重要细节”都不同。隐私团队需要姓名、电子邮箱和账号;数据团队则需要从用户问题中提取客户、产品和日期范围。固定标签抽取器无法满足两者,而将私密文本发送给大型 AI 模型,则意味着按请求付费,并把数据带出本机。
工作方式:编写提示词,列出实体类型,为每种类型写一行说明,并制定相关规则,包括需要排除哪些内容、数值从哪里开始、在哪里结束,以及两种类型都匹配时哪种类型优先。模型已测试最长约 10,000 个 token 的提示词。ReDefiNER 会返回从原文中精确截取的片段,并为每个片段提供类型和置信度。若要改变提取结果,只需修改提示词,无需重新训练模型。
适用场景:
• 脱敏:在文本发送给 LLM 或供应商之前,先初步查找姓名、电话号码和账号
• NL2SQL:作为第一步,在构建查询前提取问题中的客户、产品、地区和日期
• 支持工单:提取订单 ID、产品名称和错误代码,让每个工单都能流转到正确的团队
• 适用于银行、医院和政府部门等无法将文本发送到外部 API 的团队
技术实现:它基于 Qwen3.5-0.8B 构建,并配备两个小型任务头。其中一个头对每个不超过 16 个 token 的片段进行评分,另一个头则将片段与提示词中的类型进行匹配。它不会生成文本,因此每一项输出都是输入中的一部分。提示词只需编码一次并缓存,此后每处理一个句子,在 4 核 CPU 上需要 0.4 至 0.7 秒,在 GPU 上仅需 0.05 秒。int8 权重存放在一个 0.77 GB 的文件中。
性能对比:在使用相同提示词进行 CrossNER AI 测试时,它的得分为 68.1,比 Claude 和 Gemini 等顶级 AI 模型(72.4 至 79.4)低 4 至 11 分。提示词缓存后,在 2-vCPU 服务器上,每次请求成本约为 Claude Haiku 5.5 的九分之一。
本项目采用 Apache 2.0 许可,免费提供:可通过 pip install redefiner 安装;模型权重托管在 Hugging Face,代码托管在 GitHub;提供 Python API 和本地 HTTP 服务器。感谢 Qwen 团队以 Apache 2.0 许可发布 Qwen3.5-0.8B。
我很想了解它在你们自己的文本中会在哪些情况下失效。
Hugging Face 上的模型:https://huggingface.co/jungroo-ai/redefiner-0.8b
演示:https://huggingface.co/spaces/jungroo-ai/redefiner-demo