如何让LLM精准推断自然语言中的相对星期日期？

• 用专业日期解析库替代LLM直接解析
  别让LLM承担它不擅长的精确计算任务，直接用成熟的日期处理库来解析自然语言相对日期。比如Python中的dateparser或arrow，这类库专门针对自然语言日期场景做了优化，能稳定处理“2天后”“下周四”“上周一”这类表述，准确率远高于LLM。示例代码：

  from dateparser import parse
  from datetime import datetime
  
  base_date = datetime(2025, 1, 28)
  relative_date_str = "本周五"
  result = parse(relative_date_str, settings={"RELATIVE_BASE": base_date})
  print(result.strftime("%Y-%m-%d"))  # 输出2025-01-31
  

  这类库逻辑明确，对月末跨月、跨年相对星期等边界场景的处理更可靠，完全无需依赖LLM的不稳定输出。

• 若必须结合LLM，做严格结构化输出约束
  如果业务场景需要先从复杂文本中提取日期描述，一定要给LLM设定强制输出格式，要求它只输出标准化的相对日期表达式（比如+3 days、next thursday、last monday），而非直接输出具体日期。之后将这个标准化表达式传给日期库计算具体日期。
  比如提示词可以明确：“从文本中提取相对日期描述，仅输出标准化格式：如'2天后'转为'+2 days'，'下周四'转为'next thursday'，'上周一'转为'last monday'，禁止输出其他内容。” 严格限制输出范围后，LLM出错概率会大幅降低，后续交给专业库计算即可保证准确率。

• 添加结果验证环节
  无论用库还是结合LLM，都要加一层验证逻辑：比如解析出的日期必须符合相对描述的逻辑（“上周一”必须早于基准日期，“下周四”必须晚于基准日期），若不符合则触发重试或报错。比如解析“上周一”得到了晚于基准日期的结果，直接判定解析失败并重新处理。

• 自定义相对日期映射规则
  针对地域化表述（比如“本周五”的定义，部分场景指当前周的周五哪怕已过，部分指下一个周五），可预先定义规则，将模糊的自然语言映射成明确指令传给日期库。比如先判断基准日期的星期数，再定义“本周X”的逻辑：若基准日期早于本周X则取本周的X，若已过则取下一周的X（可根据业务需求调整），将该逻辑封装成工具函数，避免LLM的歧义理解。

内容的提问来源于stack exchange，提问作者user3535901