spaCy

spaCy（https://spacy.io/）是面向生产场景的 Python 自然语言处理库。它的目标是尽快搭起可运行的文本管道：分词、词性、依存、命名实体识别、分类，再按项目需要训练和部署。

先跑通最小管道

按官方文档用 pip 安装 spaCy，再下载对应语言的训练好管道模型，即可在 Python 中通过 spacy.load(...) 创建 nlp 对象处理文本，拿到词、句边界、实体等结果。先用三五条真实业务句子验证输出字段，再考虑自定义组件。

英文与其他语言的可用模型、精度和硬件需求不同。中文等语言要单独确认管道效果，不能默认英文配置可直接迁移。官网同时提供文档、示例、在线课程和项目模板，适合把原型推进到可交接流程。

先写清输入输出合同

落地时先写清输入输出合同：原文从哪来、要抽哪些字段、失败如何降级。管道输出能进入数据库或检索系统，才算真正跑通，而不是只在 notebook 里打印实体。

评估 spaCy 是否适合当前项目时，先看文本是否需要稳定的结构化字段。日志清洗、评论实体抽取、工单分类这类任务通常比开放域闲聊更匹配。若业务语言混杂或领域词极多，尽早准备标注样本，比指望通用管道一次到位更现实。

何时训练，何时接 LLM

标准 NER / 分类不够用时，用配置文件描述训练细节，减少隐藏默认值带来的不可复现。领域实体（SKU、合同条款、药名等）通常需要自训或规则组件补充。项目系统可把数据准备、训练和导出串成可自动化步骤。

官网介绍的 spacy-llm 用于把大模型提示结果接入更结构化的 spaCy 管道：LLM 负责理解，管道负责结构化落地。它不等于把 spaCy 当成聊天机器人。周边还有标注等商业产品，与开源库本身要分开看。选型时先问“要不要稳定字段”，再问“要不要接大模型”。

生产落地要盯住的工程项

性能和可维护性也要一起看：管道能否版本化、配置能否复现、模型更新后如何回归。上线前准备一组黄金样本，管道升级后先跑回归，再替换生产模型。库许可证、模型许可证和数据来源可能不同，商用前分别核验。这些工程问题处理好了，spaCy 才像生产组件，而不是一次性脚本。