现在只需一条命令，就能将杂乱文档整理为结构化知识。这就是 Hyper-Extract。多数 RAG 工具只是把你的 PDF 分块后希望搜索能生效，而 Hyper-Extract 做的事情更疯狂：它能把非结构化文本转化为： • 知识图谱 • 超图 • 时序图 • 空间图 • 时空图 • 强类型数据模型 • Obsidian 仓库 • MCP 就绪的知识库

所以你不再需要请 AI “读这份报告”，而是可以直接把报告变成一个真正的知识系统。

使用场景： → 将论文变成研究图谱 → 从财报中提取公司、人物、指标和风险 → 把私有文档构建成可搜索的知识库 → 本地运行 vLLM，数据留在自己的机器上 → 通过 MCP 从 Claude Desktop 或 IDE 代理查询提取出的知识

它还内置了 80+ 个 YAML 模板，涵盖金融、法律、医疗、工业和通用领域。

这不只是文档提取。这是 RAG 长出了脊梁后的样子。

仓库：https://github.com/yifanfeng97/Hyper-Extract

yifanfeng97/Hyper-Extract

来源：https://github.com/yifanfeng97/Hyper-Extract

智能知识提取 CLI

一条命令将文档转化为结构化知识。

📖 English Version · 中文版

“停止阅读。开始理解。” “告别文档焦虑，让信息一目了然”

📰 新特性

• 🔌 MCP 服务器 — 通过 he-mcp 从 Claude Desktop 和 IDE 代理查询你的知识摘要。(PR #40)
• 🧠 Anthropic Claude 支持 — 直接使用 claude-opus-4-8、claude-sonnet-4-6 和 claude-haiku-4-5 作为 LLM 提供商。 (PR #38)
• 📝 Obsidian 导出 — 将任意图谱转化为 Obsidian 仓库，生成由 [[wikilinks]] 链接的 Markdown 笔记。 (PR #37)
• 🧹 he clean — 一条命令删除知识摘要的索引或整个知识摘要。 (PR #39)
• 🔧 可靠性修复 — 多块嵌入使用真正均值、限制 OpenAI 兼容批次大小、解决多词 llm_* 合并策略。 (PRs #35, #36, #41)

完整更新日志请查看 GitHub Releases（https://github.com/yifanfeng97/hyper-extract/releases）。

Hyper-Extract 是一个智能的、由 LLM 驱动的知识提取与进化框架。它从根本上简化了将高度非结构化文本转化为持久、可预测且强类型的知识摘要的过程。它能够轻松将信息提取到多种格式中——从简单的集合（列表/集合）和 Pydantic 模型，到复杂的知识图谱、超图，甚至时空图。

✨ 核心功能

🎯 你可以用它做什么？

📄 研究员——将论文转化为知识图谱 输入一份 20 页的学术论文，即可获得关键概念、作者和引用的交互式图谱。

he parse paper.pdf -t general/academic_graph -o ./paper_kb/
he show ./paper_kb/

🏦 金融分析师——从财报中提取实体 自动识别非结构化报告中的公司、高管、财务指标及其关系。

he parse earnings.md -t finance/earnings_graph -o ./finance_kb/
he search ./finance_kb/ "What are the key risk factors?"

🔒 本地部署——使用 vLLM 将数据保留在本地 在本地通过 vLLM 运行 Qwen3.5-9B + bge-m3。数据不会离开你的机器。

pip install hyperextract[vllm]

from hyperextract import create_client
llm, emb = create_client(
    llm="vllm:Qwen3.5-9B@http://localhost:8000/v1",
    embedder="vllm:bge-m3@http://localhost:8001/v1",
    api_key="dummy",
)

🚀 支持平台与模型

Hyper-Extract 依赖 LLM 的结构化输出能力（json_schema 或函数调用）。

嵌入模型（语义搜索）适用于任何 OpenAI 兼容端点：text-embedding-3-small、text-embedding-v4（百炼）、bge-m3（本地 vLLM）。

Anthropic 说明： Claude 用于 LLM（设置 ANTHROPIC_API_KEY）。Anthropic 没有嵌入 API，因此需要搭配 OpenAI 兼容的嵌入器：

from hyperextract import create_client
llm, emb = create_client(llm="anthropic", embedder="openai:text-embedding-3-small")

需要额外安装：pip install 'hyperextract[anthropic]'。 📖 完整指南：提供商系统与本地模型支持（https://yifanfeng97.github.io/Hyper-Extract/latest/concepts/provider-system/）

⚡ 30 秒快速开始

# 安装
pip install hyperextract

# 配置 API 密钥
he config init -k YOUR_OPENAI_API_KEY

# 从文档中提取知识
he parse examples/en/tesla.md -t general/biography_graph -o ./output/ -l en

# 查询
he search ./output/ "What are Tesla's major achievements?"

# 可视化
he show ./output/

# 导出为 Obsidian 仓库（Markdown 笔记 + [[wikilinks]]）
he export obsidian ./output/ -o ./vault/

🐍 Python API（点击展开）

pip install hyperextract

from hyperextract import Template
ka = Template.create("general/biography_graph")
with open("examples/en/tesla.md") as f:
    result = ka.parse(f.read())
result.show()

🔗 更多示例：examples/en

📈 为何选择 Hyper-Extract？

🧩 支持的知识结构

从简单到复杂——选择适合你的数据结构：

示例——自动图谱可视化：

（此处原文档有图片，翻译时保留图片占位）

📋 引擎盖下是什么？（架构与模板）

Hyper-Extract 采用三层架构：

• 自动类型 — 8 种强类型数据结构（模型、列表、集合、图谱、超图、时序图、空间图、时空图）
• 方法 — 提取算法：KG-Gen、GraphRAG、LightRAG、Hyper-RAG、Cog-RAG 等
• 模板 — 80+ 个预设模板，覆盖 6 个领域。零代码配置。

模板示例（图谱类型）：

language: en
name: 知识图谱
type: graph
tags: [general]
description: '提取实体及其关系。'
output:
  entities:
    fields:
      - name: name
        type: str
      - name: type
        type: str
      - name: description
        type: str
  relations:
    fields:
      - name: source
        type: str
      - name: target
        type: str
      - name: type
        type: str
identifiers:
  entity_id: name
  relation_id: '{source}|{type}|{target}'

• 浏览全部 80+ 模板
• 创建自定义模板

📚 文档与资源

🔌 MCP 服务器

通过模型上下文协议（https://modelcontextprotocol.io）将你的知识摘要暴露给支持 MCP 的助手（Claude Desktop、IDE 代理）——仅限读取和导出。

pip install 'hyperextract[mcp]'
he-mcp   # stdio MCP 服务器

工具：list_templates、info、search、ask（RAG）、export_obsidian。

完整指南：MCP 服务器文档（https://yifanfeng97.github.io/Hyper-Extract/latest/mcp/）。

🤝 贡献与许可

欢迎贡献！请提交 Issue（https://github.com/yifanfeng97/hyper-extract/issues）和 PR（https://github.com/yifanfeng97/hyper-extract/pulls）。

采用 Apache-2.0 许可。

🔒 安全

本项目已通过 MseeP.ai（https://mseep.ai/app/yifanfeng97-hyper-extract）的安全评估。

AtomGit 镜像

AtomGit 镜像——Agent Reach 的同步镜像，方便国内用户访问和克隆。托管在 AtomGit：https://atomgit.com/yifanfeng97/Hyper-Extract