glm-5需通过指令驱动、bio标注、微调适配、工具链协同或视觉联合五种路径实现命名实体识别。其核心是任务指令引导、结构化输出约束及多模态/规则融合，而非内置ner标签层。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用GLM-5模型进行文本处理时，需要从非结构化语句中精准抽取出人名、地名、组织机构名等关键命名实体，则需明确其不同于传统NER流水线的调用逻辑。GLM-5本身不内置固定NER标签层，而是通过任务指令驱动、上下文感知与结构化输出约束实现高精度实体识别。以下是具体可执行的操作路径：
一、Prompt指令驱动式抽取
该方法利用GLM-5强大的指令遵循能力，在无微调前提下，通过精心设计的自然语言提示词引导模型生成标准化NER结果。核心在于显式声明实体类型、格式规范与边界要求，抑制自由生成偏差。
1、构造含约束的指令模板：在输入中明确写出“请严格按以下JSON格式返回结果，仅包含人名(PER)、地名(LOC)、组织名(ORG)三类实体，每个实体标注起始与结束字符位置，不添加任何解释性文字”
2、嵌入待识别文本：将原始句子作为指令后紧接的独立段落，避免与指令混排，例如：“原文：李明在北京大学计算机系担任教授，该公司由腾讯控股有限公司投资。”
3、设置输出格式锚点：在Prompt末尾追加示例输出，如{"entities": [{"type": "PER", "text": "李明", "start": 0, "end": 2}, {"type": "LOC", "text": "北京大学", "start": 6, "end": 12}, {"type": "ORG", "text": "腾讯控股有限公司", "start": 31, "end": 44}]}
4、调用API并解析响应：使用response_format={"type": "json_object"}参数确保返回为合法JSON，再提取entities字段进行后续处理
二、BIO标签序列生成法
此方法将GLM-5视作序列标注器，通过让模型逐词输出BIO标签（B-PER/I-PER/B-LOC等），复现传统CRF或BERT-CRF的标注行为。需配合预定义词汇切分与位置对齐机制，适用于对标签粒度有强控制需求的场景。
1、前置分词：采用Jieba或LTP对中文文本进行细粒度分词，保留原始字符偏移映射关系
2、构造逐词预测Prompt：对每个词生成形如“‘北京大学’属于以下哪一类？选项：O、B-LOC、I-LOC、B-ORG、I-ORG、B-PER、I-PER。只输出一个标签，不加说明。”的独立请求
3、批量并发请求：将全部分词结果组织为并行Prompt批次，通过vLLM或Open-AutoGLM调度器统一提交，降低单次延迟
4、拼接标签序列：按原始分词顺序收集各词预测标签，合并连续B-I序列，计算对应字符跨度，生成最终实体列表
三、微调适配GLM-5-NER专用头
该路径面向高精度、高吞吐工业部署场景，通过在GLM-5基座上附加轻量NER分类头，并使用标注数据集进行全参数或LoRA微调，使模型获得稳定、低方差的实体识别能力。适用于需长期运行且对F1值敏感的系统。
1、准备标注数据：使用BIOES格式标注至少5000句金融/政务/医疗领域文本，确保PER/LOC/ORG三类实体覆盖长尾分布
2、构建微调样本：每条样本为“[CLS] + 文本 + [SEP] + [MASK]×N”，其中N为文本字数，每个[MASK]位对应一个BIOES标签，采用Span-level loss优化
3、加载GLM-5基座权重：指定model_name_or_path="THUDM/glm-5-base"，冻结底层Transformer参数，仅训练顶部两层分类头与归一化层
4、启动LoRA微调：使用r=8, alpha=16, dropout=0.1配置，在单张A100-80G上完成20个epoch训练，验证集F1提升≥3.2个百分点
四、工具链协同抽取（GLAM-5集成模式）
GLAM-5并非独立模型，而是Open-AutoGLM框架中专为结构化信息抽取优化的GLM-5变体。它内置NER专用插件模块，支持自动调用外部词典、正则引擎与规则校验器，形成“大模型主干+规则兜底”的混合识别架构，显著提升实体召回率与业务适配性。
1、启用GLAM-5插件模式：初始化客户端时传入plugins=["ner_dict", "regex_fallback"]参数，触发多源融合识别流程
2、注入领域词典：将自建的《中国高校名录》《世界五百强企业表》《行政区划代码表》以CSV格式上传至插件词典库，设置匹配优先级高于模型预测
3、配置正则兜底规则：为身份证号、手机号、邮政编码等数字型实体编写PCRE正则表达式，定义其强制归类为MISC或映射至LOC子类
4、执行混合推理：调用client.invoke(task="ner", context={"text": "张伟，身份证11010119900307211X，就职于华为技术有限公司"})，返回结果自动融合模型输出与词典/正则匹配项
五、视觉-文本联合NER（GLM-5V-Turbo增强路径）
当输入为截图、扫描件或PDF渲染图时，需先完成OCR识别再执行NER。GLM-5V-Turbo支持端到端图像理解，可跳过传统OCR阶段，直接从像素中定位并分类命名实体，特别适合表格、证件、公告等结构化视觉文档。
1、准备图像输入：截取含文字区域的PNG/JPG文件，分辨率不低于300dpi，确保文字清晰无倾斜
2、构造多模态Prompt：发送图像+文本指令“请识别图中所有人名、地名、组织名，并标注其在图中像素坐标（x_min, y_min, x_max, y_max）”
3、启用视觉定位输出：在请求中设置vision_output="bbox"，强制模型返回带坐标的结构化JSON，而非纯文本描述
4、后处理坐标映射：将返回的归一化坐标（0~1范围）乘以原始图像宽高，得到实际像素位置，用于高亮标注或下游GIS系统对接
