diff --git a/app/ai/extract/__init__.py b/app/ai/extract/__init__.py
new file mode 100644
index 0000000..e69de29
diff --git a/app/ai/extract/announcement_extract.py b/app/ai/extract/announcement_extract.py
new file mode 100644
index 0000000..a2ca466
--- /dev/null
+++ b/app/ai/extract/announcement_extract.py
@@ -0,0 +1,42 @@
+"""招聘公告信息提取：调用 CONTENT_EXTRACT 模型，输出结构化字典。"""
+
+from __future__ import annotations
+
+from langchain_core.messages import HumanMessage, SystemMessage
+
+from app.ai.extract.prompt import EXTRACT_SYSTEM_PROMPT
+from app.ai.model_config import SpiderModel
+from app.core.logger import log
+from app.tool.json_helper import parse_llm_json
+
+
+def extract_announcement(content: str) -> dict | None:
+    """从公告全文中提取结构化信息。
+
+    Args:
+        content: 公告全文（正文 + 图片 OCR 文字 + 二维码内容拼接）。
+
+    Returns:
+        提取出的字段字典；内容为空、模型调用失败或结果不是字典时返回 None。
+    """
+    if not content or not content.strip():
+        return None
+
+    messages = [
+        SystemMessage(content=EXTRACT_SYSTEM_PROMPT),
+        HumanMessage(content=content),
+    ]
+
+    try:
+        response = SpiderModel.CONTENT_EXTRACT.invoke(messages)
+    except Exception as exc:
+        log.error(f"公告信息提取失败: {exc}")
+        return None
+
+    result = parse_llm_json(str(response.content))
+    if not isinstance(result, dict):
+        log.warning(f"公告信息提取结果不是 JSON 对象: {type(result).__name__}")
+        return None
+
+    log.info(f"公告信息提取完成（字段 {len(result)} 个）: {result.get('title')}")
+    return result
diff --git a/app/ai/extract/prompt.py b/app/ai/extract/prompt.py
new file mode 100644
index 0000000..eb876fc
--- /dev/null
+++ b/app/ai/extract/prompt.py
@@ -0,0 +1,79 @@
+"""招聘公告信息提取提示词"""
+
+# 招聘公告信息提取系统提示词：输入公告全文，输出结构化 JSON
+EXTRACT_SYSTEM_PROMPT = """你是招聘公告信息提取专家。用户会给你一份校园招聘公告的全文（由网页正文、图片 OCR 文字、二维码解析内容拼接而成，可能存在顺序错乱、重复、噪声）。
+
+请从中提取信息，严格按下面的 JSON 结构输出。
+
+## 输出格式
+
+```json
+{
+  "company_name": "公司名称",
+  "title": "公告标题",
+  "company_intro": "公司简介",
+  "target_audience": "面向对象",
+  "major_require": "专业要求",
+  "remark": "备注",
+  "written_exam": "有",
+  "apply_start_time": "2026-07-01 00:00:00",
+  "apply_end_time": "2026-09-30 23:59:59",
+  "apply_end_desc": "投递截止描述",
+  "invite_code": "内推码",
+  "apply_url": "投递地址",
+  "apply_email": "投递邮箱",
+  "source": "信息来源说明",
+  "publish_time": "2026-07-01 00:00:00",
+  "recruit_years": [2027],
+  "batches": ["暑期实习"],
+  "tags": ["秋招提前批"],
+  "cities": ["北京市"],
+  "categories": ["IT技术"],
+  "educations": ["本科", "硕士"]
+}
+```
+
+## 字段说明
+
+- company_name：招聘的公司名称，取全称或公告中最完整的写法
+- title：公告标题，如「XX公司2027届秋季校园招聘正式启动」
+- company_intro：公司介绍段落，原文摘录，最多 300 字。公告中没有公司介绍时，可以根据你自己对该公司的了解补充一段简介；不了解该公司时填 null
+- target_audience：面向对象，如「2027届本硕博」「2026届及2027届毕业生」，最多 200 字
+- major_require：专业要求，如「计算机、电子信息、自动化等相关专业」，最多 200 字
+- remark：其他值得注意的补充信息，如薪资待遇、福利、流程安排、注意事项，最多 1000 字
+- written_exam：是否有笔试，只能填「有」「无」「未明确」三者之一
+- apply_start_time：投递开始时间，格式 yyyy-MM-dd HH:mm:ss
+- apply_end_time：投递截止时间，格式 yyyy-MM-dd HH:mm:ss
+- apply_end_desc：无法解析成具体时间的截止描述，如「尽快投递」「招满即止」「长期有效」，最多 64 字
+- invite_code：专属内推码，只填码本身，不要带「内推码：」这类前缀
+- apply_url：投递地址，只填一个，必须是完整 http/https 链接。二维码解出的投递链接也算。
+  公告中出现多个链接时，根据链接路径判断最可能是网申投递入口的那一个，优先级参考：
+  路径含 campus / recruit / job / apply / talent / hr / zhaopin / xiaozhao 等招聘语义词 >
+  企业招聘域名（如 campus.xxx.com、hr.xxx.com、xxx.zhiye.com）>
+  第三方招聘平台投递页（如 mokahr、beisen、moseeker、workday、talent.liepin 等）>
+  其他链接。公告首页、公众号文章、官网首页、下载链接、图片链接一律不算投递地址
+- apply_email：投递邮箱，只填一个。出现多个邮箱时，根据邮箱用途判断最可能用于简历投递的那一个，
+  优先级参考：本地部分含 campus / recruit / hr / job / zhaopin / resume 等招聘语义词 >
+  企业自有域名邮箱 > 公共邮箱（qq.com / 163.com 等）。咨询、客服、商务合作类邮箱不算投递邮箱
+- source：信息来源说明，如公告中提到的发布方、公众号名称
+- publish_time：公告发布或更新时间，格式 yyyy-MM-dd HH:mm:ss
+- recruit_years：招聘届数数组，整数年份，如 [2027]、[2026, 2027]
+- batches：批次数组，如「实习」「暑期实习」「寒假实习」「秋招专场」「春招提前批」「春招补招」「正式批」
+- cities：工作城市数组，规范到市级，如「北京市」「深圳市」
+- categories：岗位大类数组，如「IT技术」「人工智能」「通信」「芯片硬件」「产品运营」「职能支持」
+- educations：学历要求数组，如「大专」「本科」「硕士」「博士」
+- tags：其他关键标签数组，如「竞争力薪酬」「六险一金」「可远程」「不限专业」
+
+## 提取规则
+
+1. 只提取公告中明确出现的信息，不要推测、不要补全、不要编造（company_intro 例外）。
+2. 字符串字段找不到时填 null，数组字段找不到时填 []。不要填「无」「未知」「暂无」这类占位文字（written_exam 例外）。
+3. 时间统一输出 yyyy-MM-dd HH:mm:ss。
+   - 只有日期没有时刻：开始时间补 00:00:00，截止时间补 23:59:59。
+   - 只写了月日没写年份：结合公告届数或发布时间推断年份；无法推断则填 null。
+   - 出现「即日起」「长期开放」这类无法定位到具体日期的表述：对应时间字段填 null，把原文写进 apply_end_desc。
+4. apply_end_time 和 apply_end_desc 可以同时有值，也可以只有一个。
+5. 数组元素去重，保持公告中出现的顺序，单个元素不超过 64 字。
+6. 一份公告涉及多家公司时，以主体招聘方为准。
+7. 直接输出 JSON，不要输出任何解释文字。
+"""
diff --git a/app/tool/json_helper.py b/app/tool/json_helper.py
new file mode 100644
index 0000000..b56e442
--- /dev/null
+++ b/app/tool/json_helper.py
@@ -0,0 +1,32 @@
+"""AI 输出 JSON 解析工具
+
+将 LLM 返回的可能带 markdown 代码块、思考标签等包裹的文本解析为 Python 对象。
+"""
+
+import re
+
+from json_repair import repair_json
+
+# 匹配 <think>任意内容</think>，用于剥离 DeepSeek R1 等推理模型的思考过程
+# re.DOTALL 让 . 匹配换行，re.IGNORECASE 忽略大小写
+# .*? 非贪婪匹配，避免跨多个 think 标签
+_THINK_RE = re.compile(r"<think>.*?</think>", re.DOTALL | re.IGNORECASE)
+
+# 匹配 ```json ... ``` 代码块，提取中间的 JSON 内容
+# (?:json\w*)? — 可选的语言标记，兼容 json / JSON / jsonc 等，也兼容无标记的裸 ```
+# \s*\n?       — 跳过语言标记后的空白和换行
+# (.*?)        — 非贪婪捕获代码块内容（第1组）
+# \n?\s*```    — 匹配结尾的 ```
+_CODE_BLOCK_RE = re.compile(r"```(?:json\w*)?\s*\n?(.*?)\n?\s*```", re.DOTALL | re.IGNORECASE)
+
+
+def parse_llm_json(text: str):
+    """解析 AI 输出的 JSON，自动去除思考标签、markdown 代码块，容错处理"""
+    # 1. 去掉 <think>...</think> 思考内容
+    cleaned = _THINK_RE.sub("", text).strip()
+    # 2. 如果有 ```json ... ``` 代码块，只取代码块里的内容
+    match = _CODE_BLOCK_RE.search(cleaned)
+    if match:
+        cleaned = match.group(1).strip()
+    # 3. repair_json 容错解析：修复不规范的 JSON（多余逗号、缺引号等）
+    return repair_json(cleaned, return_objects=True)