如何让Kimi在长文本中快速检索人名和地名_采用实体识别Prompt

在处理长文档的命名实体识别时，很多人都遇到过这样的尴尬：明明在几十页的会议纪要里反复提到了“张伟”和“雄安新区”，可让Kimi去检索，它却只匹配了全称，漏掉了“张工”“李主任”“深圳湾”这类常用变体。问题出在哪儿？不是Kimi能力不够，而是默认的关键词匹配模式无法理解实体之间的内在关联。只有用对Prompt，激活它的命名实体理解能力，才能真正做到“查得全、找得准”。

先从第一个关键点说起——如何构造能触发实体识别的Prompt结构。很多人在这一步就栽了跟头。Kimi不会自动推断你要求的“找人名、地名”属于命名实体识别任务，所以开头必须明确声明任务类型。建议直接用中文定义你要识别的实体类别，不要搬出“PER/LOC”这类英文术语，Kimi对中文指令的敏感度要高得多。更关键的是，得给出1~2个带标注的示例，格式可以参考【原文】→【人名/地名】。示例必须贴近你真实文本的语境风格，比如会议纪要里常出现“张伟（技术总监）”“考察雄安新区（河北）”，千万别用“美国总统拜登”这种新闻语料。文体一旦错位，Kimi会按新闻的逻辑去泛化，把“王处长”判为“职务”而非“人名”，导致漏检——这一步是整条链路中最容易被忽视却又最关键的环节。

接下来是输入长文本时的分段与锚点控制。如果你处理的文档在8000字以内，可以直接粘贴全文，但必须在Prompt末尾补上一句：“请严格按原文顺序返回结果，每条结果必须包含所在段落编号和前15字上下文。”这样Kimi返回的信息才具备可定位性。对于超长文档，建议分块处理：按自然段把PDF切成每块不超过3000字，每块都带上统一的Prompt，但每块开头要加上唯一标识，比如【块-01】。需要提醒的是，块标识必须用方括号加英文短横线，不能写成“块1”或“块一”，否则Kimi可能会把“块1”识别成地名。分块之后，Kimi不会自动跨块关联实体，得靠人工汇总后再去重。

最后一步，解析返回结果并定位原文位置。如果Kimi以JSON格式返回结果，直接复制其中的“text”字段值，然后在原始文档里Ctrl+F搜索该字符串——注意关闭“全字匹配”选项，否则搜不到“张伟”对应“张伟同志”这类带称谓的写法。如果返回的是纯文本列表，那就逐行复制人名/地名，用Word的“导航窗格”搜索，并勾选“查找全部字形变体”，这样能同时匹配“深圳湾”和“深圳湾科技园”这类缩写与全称的变体。操作起来其实很简单：把Kimi输出的每一行直接粘贴进Word搜索框就行。这套流程走下来，90%以上的实体漏检问题都能解决。