LLM终端生成问答数据后，还需要对这些成果做进一步处理，转换为json后存储到本地，作为后续问答的知识基础。

示例代码如下：

import json
with open("../dataset/QA.json", "w", encoding="utf-8") as f:
    f.write('[\n')
    for i,item in enumerate(result):
        f.write(json.dumps(item, ensure_ascii=False,indent=4))
        if i<len(result)-1:
            f.write(',\n')
    f.write('\n]')

print("完成问答数据写入，格式化为json数组，每个对象之间有换行分隔。")

在上述代码中，使用JSON格式存储数据，以便于后续调用。

通过该函数，不仅完成问答信息的储存，还可以存储它们的来源、分片的段落序号，这些处理可以方便后续开展相关文本的查找。

对前节问题生成环节的部分代码进行调整，形成完整版本的问答数据：

#document = documents[-1]
for document in documents:
    result = (chain.run({"document":document,"file_name":target_file}))
    print(result)

形成成果：

扩展补充：问答数据的提取后存储_知识抽取

存储代码运行完毕后，问答数据储存至json文件中：

扩展补充：问答数据的提取后存储_知识抽取_02

通过LLM终端与其他先进工具的完美融合，实现更加卓越的文本处理效果。