SilkLoom 是一个桌面工具：
把你的 Excel/CSV/JSONL 文本，批量交给大模型处理，并导出结构化结果。
- 批量分析用户评论：情绪倾向、问题类型、核心诉求、一句话摘要
- 批量整理文献摘要：研究背景、研究问题、方法路线、关键结论
- 批量提取政策/新闻要点：主题、地区、时间、风险点、行动建议
- 批量归类客服工单：问题类别、优先级、处理建议、是否需要升级
- 批量处理调研文本：开放问答归纳、观点聚类、典型样本提取
- 批量做结构化抽取：把“长文本”变成可筛选、可统计、可导出的表格字段
一句话总结：只要你的数据是“按行存放的文本”，SilkLoom 就能帮你高效完成批量提取与整理。
确实，市面上有不少同类工具，从零写一个也不算特别难。我在研究中需要频繁利用LLM进行批量推理，我也在等待/寻找一个工具，但都不够简单。于是我写了一个。
但常遇到的不是“能不能跑起来”，而是：
- 能不能让非技术用户快速上手，而不是先学一堆环境配置
- 能不能稳定批量处理几千条文本，而不是跑几十条就卡住
- 能不能把提示词、输出字段、模型参数一起保存，方便实验记录
- 能不能把最简单常用的场景固定下来，而不是每次都“重写代码”
SilkLoom 想解决的正是这些“最后一公里”问题： 把大模型文本处理从“能用”变成“好用、稳用、可复用”，专心于任务本身。
你只需要做 4 件事：
- 选择你的数据文件（Excel/CSV/JSONL）
- 设置模型（填 API Key、接口地址、模型名）
- 写处理要求（提示词）+ 定义输出字段
- 点击开始，完成后导出结果
直接下载并安装，不需要配置 Python：
常见安装包：
- Windows：
SilkLoom-v*-Windows-x86_64-Setup.exe - macOS（Apple Silicon）：
SilkLoom-v*-macOS-arm64.dmg
支持格式：.csv、.xlsx、.xls、.jsonl
建议：
- 每一行是一条记录
- 列名尽量简单清晰，例如：
title、abstract、content、comment
Excel 示例（位于examples\01 文献梳理\data.xls）：
在“模型管理”中填写：
- 模型名称（随便起）
- API Key（从模型服务商获取）
- API 地址
- 模型 ID
示例（智谱）：
- API Key：
xxxxxxxxxxxx（网上搜索“智谱AI开放平台API key获取”） - API 地址：
https://open.bigmodel.cn/api/paas/v4/chat/completions - 模型 ID：
glm-4-flash（智谱AI提供的免费模型）
例如要分析文献，可以设置：
你是一名专业的信息抽取专家，擅长从学术论文标题和摘要中提炼关键信息。
请根据提供的【标题】和【摘要】，填写下方 JSON 中的各字段内容。
【填写要求】
1. 每个字段用一句话概括（不超过30字）。
2. 必须基于原文，不得编造。
3. 若信息缺失，请填写“未明确说明”。
4. 表达简洁、客观，避免重复。
【字段说明】
- 研究背景：该研究所处的领域背景或已有问题
- 研究意义：该研究的价值或作用（为什么重要）
- 研究问题：论文具体要解决的核心问题
- 研究结论：最终得到的主要发现或结果
【输入数据】
标题：{{ row.get('Article Title') }}
摘要：{{ row.get('Abstract') }}
【输出格式】
{{ schema }}
然后：
- 点击“预览提示词”先检查
- 点击“开始运行”
- 结束后导出 CSV/Excel/JSONL
提供 3 个现成的示例任务，包含完整的数据、配置和输出字段定义。无需手写提示词，直接导入即可运行。
点击下载完整的示例数据包（包含所有 6 个示例）：
包含内容：
01 文献梳理/：学术论文摘要分析（提取背景、意义、问题、结论）02 旅游文本/：旅行评论结构化（提取目的地、行程、预算等）03 新闻评论/：新闻跟评分析（提取立场、情绪、议题等）04 图像理解/：图文抽取示例（CSV + 本地图片相对路径，调用 VLM）05 图像变化/：同地点多时相图像变化分析（建筑变化识别）06 多行结果/：术语多行提取（单行输入展开为多行输出）
每个文件夹内都预配置了 data.* 和 task_config.yml。
- 解压下载的 zip 包。
- 在主界面选择示例数据文件（
data.xls或data.csv），点击"导入配置"并选择对应的task_config.yml。 - 设置模型配置（API Key、模型 ID）后点击"开始运行"。
提示：task_config.yml 中的 api_key 默认值为 xxxx，使用前请替换为你的真实 API Key。
通常是这三种原因：
- 还没选择数据文件
- 输出字段是空的
- 提示词中用了不存在的列名
先检查：
- 任务是否已经跑完
- 模型是否返回了标准 JSON
- 输出字段名是否和你的定义一致
数据保存在本地。请不要把带真实 API Key 的配置文件分享。
如果你需要从源码运行（开发者场景）：
pip install -r requirements.txt
python main.py如果你使用本工具辅助学术研究（文本处理、数据标注等），务必：
- 随机选取样本进行人工校验 — 验证大模型的提取结果是否准确。
- 学习提示方法 - 例如少样本提示，思维链提示等等。可参考 https://www.promptingguide.ai/zh
- 在论文中注明方法 — 清楚说明使用了大模型进行批量提取，并描述验证方法和准确率。
- 保留完整记录 — 保存原始数据、提示词配置、模型输出和人工校验结果，便于实验管理。
如果该工具帮助到您，请按需引用：
Liu, L., Pei, T., Fang, Z., Yan, X., Zheng, C., Wang, X., ... & Chen, J. (2025). Extracting individual trajectories from text by fusing large language models with diverse knowledge. International Journal of Applied Earth Observation and Geoinformation, 141, 104654. https://doi.org/10.1016/j.jag.2025.104654
GPLv3