HyperExtract 利用大语言模型将非结构化文档转换为结构化知识图谱、超图和列表。
https://t.co/iSSwIbS5xv https://t.co/CtCDomjLo3 —

yifanfeng97/Hyper-Extract

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

智能知识提取命令行工具
一条命令，将文档转化为结构化知识。
📖 英文版 · 中文版

“告别阅读，开始理解。”
“停止冗余阅读，让信息一目了然”

📰 更新内容

• 🤖 DeepSeek 模型支持 — 通过 create_client(llm="deepseek") 直接使用 deepseek-v4-flash / deepseek-v4-pro。V4 思考模式会自动禁用以保证结构化提取兼容性。(#67)
• 🔌 MCP 服务器 — 通过 he-mcp 从 Claude Desktop 和 IDE 智能体中查询知识摘要。(PR #40)
• 🧠 Anthropic Claude 支持 — 直接使用 claude-opus-4-8、claude-sonnet-4-6 和 claude-haiku-4-5 作为您的 LLM 提供商。(PR #38)
• 📝 Obsidian 导出 — 将任何图谱转换为 Obsidian 知识库，使用 Markdown 笔记并通过 [[wikilinks]] 相互链接。(PR #37)
• 🧹 he clean 命令 — 一条命令移除知识抽象体的索引或整个知识摘要。(PR #39)
• 🔧 可靠性修复 — 修正多分块嵌入的真实均值计算、限制 OpenAI 兼容批处理大小，并解决多词元 llm_* 合并策略问题。(PRs #35, #36, #41)

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

Hyper-Extract 是一个智能的、基于大语言模型的知识提取与演进框架。它极大地简化了将高度非结构化的文本转化为持久化、可预测、强类型的 知识抽象体 的过程。它能够轻松地将信息提取为多种格式——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 时空图谱。

✨ 核心特性

🎯 它能做什么？

📄 研究员 — 将论文转化为知识图谱
输入一篇 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 — 从收益报告中提取实体
从非结构化的报告中自动识别公司、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
通过 vLLM 在本地运行 Qwen3.5-9B + bge-m3。数据不会离开您的机器。

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",  
)  

🚀 支持的平台与模型

Hyper-Extract 依赖于 LLM 的结构化输出能力（json_schema 或 Function Calling）。

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

DeepSeek 说明：
DeepSeek V4 模型默认启用“思考“模式，Hyper-Extract 会自动禁用该模式以保证结构化提取功能正常工作。需设置 DEEPSEEK_API_KEY。DeepSeek 没有嵌入 API，需搭配 OpenAI 兼容的嵌入模型使用：

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

Anthropic 说明：
Claude 仅用作 LLM（需设置 ANTHROPIC_API_KEY）。Anthropic 没有嵌入 API，需搭配 OpenAI 兼容的嵌入模型使用：

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

需要安装额外依赖：pip install 'hyperextract[anthropic]'。
📖 完整指南：提供商系统与本地模型支持

⚡ 30 秒快速上手

1. 安装：

# 先安装 uv（如果尚未安装）  
curl -LsSf https://astral.sh/uv/install.sh | sh  

# 安装 Hyper-Extract CLI  
uv tool install hyperextract  
# 或者：  
pipx install hyperextract  

2. 配置您的提供商（任选其一）：

OpenAI：

he config init -p openai -k YOUR_OPENAI_API_KEY  

Anthropic (Claude)：

he config llm -p anthropic -k YOUR_ANTHROPIC_API_KEY  
he config embedder -p openai -k YOUR_OPENAI_API_KEY  

DeepSeek：

he config llm -p deepseek -k YOUR_DEEPSEEK_API_KEY  
he config embedder -p openai -k YOUR_OPENAI_API_KEY  

百炼 (阿里云)：

he config init -p bailian -k YOUR_BAILIAN_API_KEY  

本地 vLLM：

he config llm -p vllm -u http://localhost:8000/v1 -k dummy -m Qwen/Qwen3.5-9B  
he config embedder -p vllm -u http://localhost:8001/v1 -k dummy -m BAAI/bge-m3  

3. 提取、查询与可视化：

# 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/  

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

我应该使用哪个提供商？
OpenAI 和百炼在一个 API 中同时提供 LLM 和嵌入模型。Anthropic 和 DeepSeek 仅提供 LLM（需搭配 OpenAI 的嵌入模型以实现搜索/聊天功能）。本地 vLLM 免费但需要 GPU。DeepSeek 是最具性价比的选择（约 $0.001-0.005/页，对比 OpenAI gpt-4o-mini 的约 $0.01-0.05/页）。

🐍 Python API（点击展开）

uv 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

📈 为什么选择 Hyper-Extract？

🧩 支持的知识结构

从简单到复杂——为您的数据选择合适的结构：

示例 — AutoGraph 可视化：

📋 底层架构是什么？（架构与模板）
Hyper-Extract 遵循三层架构：

• Auto-Types — 8 种强类型数据结构（Model、List、Set、Graph、Hypergraph、Temporal Graph、Spatial Graph、Spatio-Temporal Graph）
• Methods — 提取算法：KG-Gen、GraphRAG、LightRAG、Hyper-RAG、Cog-RAG 等
• Templates — 80 多个预设模板，覆盖 6 个领域。零代码设置。

模板示例（图谱类型）：

language: en  
name: Knowledge Graph  
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}'  

• 浏览所有 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 (Model Context Protocol, https://modelcontextprotocol.io) 将您的知识摘要暴露给支持 MCP 的助手（Claude Desktop、IDE 智能体）——仅支持读取和导出。

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。

🤝 贡献与许可

欢迎贡献！请提交 Issues (https://github.com/yifanfeng97/hyper-extract/issues) 和 PRs (https://github.com/yifanfeng97/hyper-extract/pulls)。
本项目基于 Apache-2.0 许可证。

🔒 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 在 AtomGit 上的同步镜像，方便在中国境内访问和克隆。
托管于 AtomGit：https://atomgit.com/yifanfeng97/Hyper-Extract