该工具是一个可基于常见开源模型进行微调的结构化工具，旨在帮助用户处理和分析文本数据，目前提供了训练，预测，评估一体化的功能。训练预测部分采用了[llmtuner]，作为一个核心包引入。
它提供了以下常见结构化类型，适用于各种场景下的结构化使用，如病例结构化场景。
- 单选
- 多选
- 提取
首先，克隆本项目到本地计算机：
git clone https://github.com/JuneYaooo/llm_structure_tool.git
cd llm_structure_tool
conda env create -f environment.yml
conda create -n llm_structure python=3.9
pip install -r requirements.txt
激活conda环境：
conda activate llm_structure
然后运行前端demo：
python app.py
在config/config.py中，填入自己想要使用的模型地址
结构化工具将在终端上提供一个简单的交互界面。您可以根据提示输入相关信息，选择要执行的功能。
输入一段话，设定规则，进行单选、多选或提取
示例：
字段类型：提取
字段名：肾上腺肿物大小
原文：CT检查示左肾上腺区见大小约5.5 cm×5.7 cm不均匀低密度肿块，边界清楚，增强扫描实性成分中度强化，内见无强化低密度，静脉期明显强化。CT诊断：考虑左肾上腺区肿瘤。B超检查示左肾上腺区见4.6 cm×4.2 cm的低回声区，边界清，有包膜，提示左肾上腺实质性占位声像。
输入不相关的字段，如胃部肿物大小，结果为“未提及”
输入相关的字段，如肾上腺肿物大小，结果为“约5.5 cm×5.7 cm”
待填充
待填充
待填充
如果您对该项目感兴趣，欢迎贡献您的代码和改进建议。您可以通过以下方式参与：
- 提交问题和建议到本项目的 Issue 页面。
- Fork 本项目并提交您的改进建议，我们将会审查并合并合适的改动。