知识抽取模板

定义

知识抽取模板 是 Hyper-Extract 用于零代码配置抽取任务的预设规范。它的核心作用，不是单纯给任务起一个名字，而是把“要抽什么、按什么结构抽、字段怎么组织、如何唯一标识结果对象”这些本来需要手写代码或手写 schema 的内容，封装成可复用的模板配置。

在 README 的表述里，模板层负责把抽取任务的结构与字段规范配置化，使高度非结构化文本可以被稳定地转成强类型的 Knowledge Abstract。

在 Hyper-Extract 中的语境

README 明确把模板放在 Hyper-Extract 的三层架构里理解：

• Auto-Types：定义 8 种强类型知识结构，如 Model、List、Set、Graph、Hypergraph、Temporal Graph、Spatial Graph、Spatio-Temporal Graph。
• Methods：定义抽取算法或方法，如 KG-Gen、GraphRAG、LightRAG、Hyper-RAG、Cog-RAG 等。
• Templates：定义面向具体任务的预设模板，用于零代码配置。

也就是说，模板层并不等于底层数据结构本身，也不等于抽取算法本身；它更像是位于两者之上的“任务规格说明书”，把某个领域或场景需要的语言、输出字段、标识符和语义约束固定下来，交给底层结构与方法执行。

规模与覆盖范围

README 给出的规模信息非常明确：

• 内置 80+ YAML Templates。
• 覆盖 6 个领域。
• README 中点名的领域包括：General、Finance、Legal、Medical、TCM、Industry。

这意味着模板不是零散示例，而是仓库中一整套可直接使用的预设集合。README 还提供了浏览入口，可查看全部 80+ presets。

与零代码使用方式的关系

知识抽取模板 与 Hyper-Extract 的“零代码”体验直接相关。README 多次强调：用户可以不自己写抽取逻辑，只需在命令行选择模板。

典型方式是通过 CLI 的 -t 参数指定模板，例如：

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

或：

he parse earnings.md -t finance/earnings_graph -o ./finance_kb/

在快速开始中，README 还给出：

he parse examples/en/tesla.md -t general/biography_graph -o ./output/ -l en

这里的关键点是：

• 用户不需要自己编写实体抽取、关系抽取、字段映射等逻辑。
• 只要选择合适的模板，Hyper-Extract 就会按模板约束生成对应的结构化结果。
• 模板名通常带有领域和任务倾向，如 general/academic_graph、finance/earnings_graph、general/biography_graph。

因此，模板是 CLI 零代码工作流的入口之一，也是把通用引擎变成具体业务抽取任务的关键配置。

模板包含哪些元素

README 在“三层架构”的模板示例中，展示了一个 graph 类型模板。该示例清楚说明模板通常包含以下元素：

• language：模板所面向的语言。
• name：模板名称。
• type：输出知识结构类型。
• tags：分类标签或领域标签。
• description：模板要抽取什么内容的说明。
• output fields：输出对象及其字段定义。
• identifiers：对象唯一标识规则。

README 示例原型可概括为：

language: en
name: Knowledge Graph
type: graph
tags: [general]
description: 'Extract entities and their relationships.'
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}'

从这个例子可以看出，模板不仅描述“抽实体和关系”，还把实体字段、关系字段、唯一标识规则都具体写死为配置。

graph 示例中的标识设计

README 展示的模板类型明确是 graph。在这个示例里，标识符设计有两层：

• entity_id: name
• relation_id: '{source}|{type}|{target}'

其设计思路可以概括为：

实体标识 entity_id

示例使用实体的 name 作为唯一标识。这种设计适合以下场景：

• 抽取结果中的实体名称本身足以区分对象。
• 任务更重视“文档中的概念或对象节点”而非复杂主键。
• 图谱节点去重可以直接依赖名称。

但它也隐含边界：如果不同实体可能重名，单用 name 作为 ID 就可能发生冲突。因此这是一种简单、直观、便于零代码上手的默认设计，而不是适用于所有领域的万能方案。

关系标识 relation_id

示例把关系 ID 设计成：

{source}|{type}|{target}

这说明关系的唯一性由三元组组合决定：

• 起点 source
• 关系类型 type
• 终点 target

这种拼接式设计的好处是：

• 不必额外生成随机 ID。
• 关系是否重复可以按语义三元组直接判断。
• 对知识图谱类输出尤其自然，因为很多边本来就是“源节点—关系类型—目标节点”的组合。

同样，这也体现出模板层的价值：唯一标识策略并不是代码里临时决定，而是模板中显式声明的规则。

模板如何约束输出

从 README 的 graph 示例可见，模板至少会约束两类内容：

1. 输出结构类型：例如本例是 graph，因此结果会按实体与关系组织，而不是普通列表或单个模型。
2. 字段集合与字段类型：例如实体有 name、type、description，关系有 source、target、type，且都声明为 str。

这让抽取结果具备几个 README 强调的特征：

• persistent：可以持久保存和继续演化。
• predictable：输出字段和结构是可预期的。
• strongly-typed：字段和结构有明确类型约束。

所以，模板并不是“提示词别名”，而是对输出知识结构的显式模式约束。

直接复用与自定义

README 同时给出了两种模板使用路径：

直接复用内置模板

对于常见场景，用户可以直接选用仓库里的 presets，例如通用、金融等领域模板。使用方式就是在 CLI 或 API 中按名称创建或指定模板。

CLI 示例：

he parse examples/en/tesla.md -t general/biography_graph -o ./output/ -l en

Python API 示例：

from hyperextract import Template

ka = Template.create("general/biography_graph")

创建自定义模板

如果内置的 80+ presets 不能满足需求，README 明确给出了自定义入口：

• 可浏览预设模板集合。
• 可通过 DESIGN_GUIDE 创建自定义模板。

这说明模板体系并非封闭黑盒，而是开放给用户扩展的配置机制。也就是说，模板既是现成可复用资产，也是用户定义自己领域抽取规范的接口。

边界与理解要点

理解 知识抽取模板 时，有几个边界需要注意：

• 它不是抽取算法本身。算法属于 Methods 层。
• 它不是知识结构类型本身。结构类型属于 Auto-Types 层。
• 它也不是单纯的领域标签；领域只是 tags 或 preset 分类的一部分。
• 它的价值在于把任务语义、字段设计、输出模式和标识规则一起配置化。

因此，同样是 graph 结构，完全可以存在多个不同模板：一个面向学术论文，一个面向财报，一个面向人物传记。它们共享图结构类型，但字段语义、标签、描述和标识策略可以不同。

相关条目

• Hyper-Extract
• Knowledge Abstract
• Auto-Types
• yifanfeng97 Hyper-Extract README 摘要