Agent skill · research science · affaan-m
regex-vs-llm-structured-text
选择在解析结构化文本时使用正则表达式还是大型语言模型的决策框架——从正则表达式开始，仅在低置信度的边缘情况下添加大型语言模型。
Why this skill is useful
Provides a decision framework and executable scripts for structured text parsing that combines regex and LLMs, which the AI wouldn't generate on its own.
What it needs
Requires python installed locally. About 2k tokens when loaded. Last updated 2026-08-06. 238,342 stars on the source repository.
What this skill does
正则表达式 vs LLM 用于结构化文本解析 一个用于解析结构化文本（测验、表单、发票、文档）的实用决策框架。核心见解是：正则表达式能以低成本、确定性的方式处理 95-98% 的情况。将昂贵的 LLM 调用留给剩余的边缘情况。 何时使用 解析具有重复模式的结构化文本（问题、表单、表格） 决定在文本提取时使用正则表达式还是 LLM 构建结合两种方法的混合管道 在文本处理中优化成本/准确性权衡 决策框架 架构模式 实现 1. 正则表达式解析器（处理大多数情况） 2. 置信度评分 标记可能需要 LLM 审核的项： 3. LLM 验证器（仅用于边缘情况） 4. 混合管道 实际指标 来自一个生产中的测验解析管道（410 个项目）： 指标 值 -------- ------- 正则表达式成功率 98.0% 低置信度项目 8 (2.0%) 所需 LLM 调用次数 ~5 相比全 LLM 的成本节省 ~95% 测试覆盖率 93% 最佳实践 从正则表达式开始 — 即使不完美的正则表达式也能提供一个改进的基线 使用置信度评分 来以编程方式识别需要 LLM 帮助的内容 使用最便宜的 LLM 进行验证（Haiku 类模型已足够） 切勿修改 已解析的项 — 从清理/验证步骤返回新实例 TDD 效果很好 用于解析器 — 首先为已知模式编写测试，然后是边缘情况 记录指标（正则表达式成功率、LLM 调用次数）以跟踪管道健康状况 应避免的反模式 当正则表达式能处理 95% 以上的情况时，将所有文本发送给 LLM（昂贵且缓慢） 对自由格式、高度可变的文本使用正则表达式（LLM 在此处更合适） 跳过置信度评分，希望正则表达式“能正常工作” 在清理/验证步骤中修改已解析的对象 不测试边缘情况（格式错误的输入、缺失字段、编码问题） 适用场景 测验/考试题目解析 表单数据提取 发票/收据处理 文档结构解析（标题、章节、表格） 任何具有重复模式且成本重要的结构化文本
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills affaan-m/regex-vs-llm-structured-text--802df4