AI-Wiki

定义

声明式知识提取模板是 Hyper-Extract 在配置层使用的一种任务声明机制：用 YAML 来声明知识提取任务，而不是在代码里硬编码字段结构、抽取规则、唯一标识和展示方式。

它的核心价值不是单纯“把 Prompt 写到配置文件里”，而是把一个提取任务拆成若干彼此分离、可替换的部分：

output schema 定义要抽取哪些字段、对象或关系结构。
guideline 定义如何高质量抽取，以及需要避免哪些常见错误。
identifiers 定义实体、关系或复杂图对象的唯一标识规则。
display 定义知识对象在可视化或展示时使用什么标签。

因此，同一个底层引擎或同一套代码，可以通过切换模板，快速从“人物生平图谱”切换到“财报摘要”“合同关系”“病历结构化信息”或“时空事件图”。

在本文档中的语境

在本文语境里，声明式知识提取模板不是一个泛指的“配置文件”概念，而是 Hyper-Extract 三层架构中的配置层，与数据层的强类型知识提取结果类型，以及算法层的提取方法分离。

文中明确把架构分成三层：

Layer 1：Auto-Types，负责承载结构化结果，并做验证、序列化、搜索、可视化、合并等。
Layer 2：Methods，负责真正调用 LLM 或 RAG/Typical 方法进行抽取。
Layer 3：Templates，即本文所说的声明式知识提取模板，负责描述任务本身。

这里的关键思想是：任务定义不直接绑定某个算法实现。模板负责说明任务要求，方法层负责执行，类型层负责接收、校验与后处理结果。这种解耦使 Hyper-Extract 能同时支持 CLI 和 Python API，也让模板能够跨场景复用。

核心作用

用 YAML 声明提取逻辑，而不是在代码里硬编码

声明式知识提取模板最核心的作用，是把提取逻辑从代码中抽出来，用 YAML 显式声明。

这意味着用户不需要每做一个新任务就去改 Python 代码、重写数据模型、手工拼 Prompt 或添加显示逻辑，而是可以直接通过模板配置：

提取任务叫什么；
用什么语言执行；
输出属于哪种知识结构类型；
具体要抽取哪些字段或关系；
抽取时应遵守什么规则；
怎样判断两个对象是否是同一实体或同一关系；
展示时给对象生成什么可读标签。

对使用者来说，这使知识提取从“写程序”更接近“声明任务”。文中把它描述为零代码定义提取逻辑，并支持低代码扩展。

让任务定义与算法实现解耦

模板并不等于具体抽取引擎。Hyper-Extract 同时提供 10+ 提取引擎，包含 RAG-based 方法和 Typical 方法，用户可以通过模板或 API 选择适合的引擎。

这说明模板的职责不是规定“必须用哪种算法”，而是把任务目标稳定地定义出来。算法层可以替换，但任务定义不必跟着重写。

内置规模与覆盖范围

文中明确说明，声明式知识提取模板并不是一个只提供少量示例的机制，而是已经内置了 80+ 预设模板，覆盖 6 大领域：

Finance（金融）
Legal（法律）
Medical（医学）
TCM（中医）
Industry（工业）
General（通用）

这意味着该机制不是只为某一个垂直任务设计，而是从一开始就被当作跨领域知识提取的统一任务描述层。用户既可以直接复用预设模板，也可以在此基础上自定义新模板。

关键字段组成

文中列出的模板关键字段包括：

language
name
type
description
output schema
guideline
identifiers
display

这些字段分别承担不同职责。

language

language 用来指定模板工作的语言环境，例如文中提到系统支持 en、zh 等多语言。它影响抽取任务面向的文本语言，以及生成规则与输出的语言上下文。

name

name 是模板名称，用于标识具体任务。CLI 与 Python API 中按模板名创建任务，例如示例里使用 general/biography_graph。

type

type 指明输出结果对应哪种知识结构类型。由于 Hyper-Extract 底层有 8 大 Auto-Types，模板需要通过 type 把任务映射到合适的结构，例如记录型结果、普通图谱、超图、时间图、空间图或时空图。

description

description 用于说明该模板要解决什么问题、适合什么文本、希望产出什么知识对象。它帮助系统和使用者理解任务边界，而不是只靠字段名猜测。

output schema

output schema 负责定义输出结构，也就是“提取什么”。它会声明字段、对象结构、关系结构以及类型约束，最终与 Pydantic 支撑的强类型结果对象相衔接。

guideline

guideline 负责定义“如何提取得更好”。它不是结构定义，而是抽取过程的质量规则、判定原则、歧义处理方式和常见错误规避要求。

identifiers

identifiers 负责定义唯一标识逻辑，用来确保实体、关系或更复杂图对象在抽取、合并、增量演进时能够被稳定识别。

display

display 用来控制可视化标签生成。它不直接改变是否抽取成功，但会影响抽取结果在展示、浏览和图谱可视化中的可读性。

schema 与 guideline 分离

这是 声明式知识提取模板 中最重要的设计点之一。文中明确强调 Schema vs Guideline 分离。

output schema 回答“提取什么”

output schema 的职责是定义结果结构本身，也就是要抽什么数据。它描述的是目标对象，而不是抽取策略。

例如，一个模板可以通过 schema 指定：

需要抽取哪些实体字段；
需要输出哪些关系；
结果是列表、集合还是图结构；
某些关系是否带时间或地点字段。

它解决的是“目标数据长什么样”的问题。

guideline 回答“如何高质量提取”

guideline 的职责则是说明抽取时应遵守的规则。文中明确说它用于定义“如何高质量提取”，以及“避免哪些常见错误”。

这类规则通常不是结构的一部分，但会显著影响结果质量，例如：

遇到歧义时应如何判断；
信息不足时是否应保守处理；
哪些表述不能误识别为关系；
哪些字段必须从原文显式支持，而不能臆造；
哪类重复、混淆或过度泛化应当避免。

把 schema 与 guideline 分开，带来两个直接好处：

第一，结构定义更稳定，不会和提示细节混在一起。
第二，可以在不改输出结构的前提下单独优化抽取质量规则。