W
AI-Wiki
CONCEPT

Hyper-Extract 抽取入口选择

定义

Hyper-Extract 抽取入口选择 是指在 Hyper-Extract 的命令行入口 he parse 中，决定使用模板（template）还是方法（method）来执行知识抽取的规则。

这不是两个等价别名，而是两个层级不同的入口：

  • 模板通过 -t 指定。
  • 方法通过 -m 指定。

两者的差异不只体现在参数名上，还体现在抽取配置封装程度、目标用户、语言支持边界，以及最终抽取质量与使用门槛上。

在本文档中的语境

在 CLI Guide - Hyper-Extract 摘要 的语境里，he parse 是创建 Knowledge Abstract 的核心入口，也是整个 Hyper-Extract CLI 工作流 的第一步：

  • Create：he parse 从文档中抽取知识，生成 Knowledge Abstract。
  • Enhance：之后可继续 he feed 增量添加文档，或 he build-index 构建索引。
  • Explore：再通过 he show、he search、he talk 进行可视化、搜索与问答。
  • Save：最后可将结果持久化到磁盘。

因此，抽取入口的选择发生在工作流最前端，会直接影响后续知识图谱、搜索和对话的基础质量。

模板与方法的明确区分

模板：-t 指定的领域化现成配置

模板是面向大多数用户的推荐入口，文档明确将其描述为：

  • domain-specific
  • ready-to-use configurations

也就是说，模板不是裸算法，而是已经针对特定任务形态预先组织好的抽取配置。典型调用形式如下：

he parse doc.md -t general/biography_graph -l en

其核心特点是：

  • 面向具体领域或任务。
  • 开箱即用，用户通常不需要先理解底层抽取机制。
  • 更适合直接把“某类文档要抽什么”映射成命令。
  • 文档明确推荐大多数用户优先使用模板。

方法：-m 指定的底层抽取算法

方法是更底层的 extraction algorithms，文档将其归类为 advanced 用法。典型调用形式如下：

he parse doc.md -m light_rag

其核心特点是：

  • 直接暴露较底层的抽取算法入口。
  • 更适合高级用户进行精细控制。
  • 不像模板那样预先针对具体领域任务做好现成封装。
  • 使用门槛更高，通常需要使用者自己更清楚算法层面的取舍。

因此，模板与方法的本质区别可以概括为：

  • 模板回答的是“我要做什么领域任务”。
  • 方法回答的是“我要直接用哪种底层抽取算法”。

为什么文档推荐大多数用户优先用模板

文档在“Template vs Method”部分直接把模板标为“Recommended for Most Users”，而把方法标为“Advanced”。这意味着默认决策原则非常明确：

  • 如果你的目标是完成某类常见知识抽取任务，应先找合适模板。
  • 只有当现成模板不能满足需求，且你确实需要底层算法控制时，才切换到方法。

这样设计的原因主要有三点：

  1. 模板已经把领域任务所需的抽取配置封装好了，减少试错。
  2. 模板通常更接近用户的业务语义，例如“人物传记”“概念论文”“合同义务”。
  3. 模板对语言选择有直接支持，尤其适合非英文材料。

相对地，方法虽然更灵活，但也意味着：

  • 你需要承担更多配置理解成本。
  • 你不能自动获得模板层面对领域任务的优化。
  • 在多语言场景下，能力边界更严格。

典型模板及其适用场景

文档给出了多个模板示例，它们不是随意举例，而是对应不同的任务对象。

general/biography_graph：人物传记抽取

示例命令：

he parse biography.md -t general/biography_graph -o ./bio_kb/ -l en

适用对象：

  • 传记材料
  • 人物生平叙述
  • 需要观察人生事件、经历、关系脉络的文本

在示例工作流中，抽取完成后还可以：

he show ./bio_kb/

这说明该模板尤其适合把人物经历组织成可视化的 life events 或人物相关图谱结构。

general/concept_graph：研究与概念型材料抽取

示例命令：

he parse paper.md -t general/concept_graph -o ./paper_kb/ -l en

适用对象：

  • 研究论文
  • 概念说明文档
  • 需要提炼主题、概念、关系与贡献点的材料

文档给出的后续示例是：

he talk ./paper_kb/ -q "What are the main contributions?"

这说明 general/concept_graph 适合为研究型文本建立可问答的概念知识基础，便于后续通过 Knowledge Abstract 进行检索与问答。

legal/contract_obligation：合同义务抽取

示例命令：

he parse contract.md -t legal/contract_obligation -o ./contract_kb/ -l en

适用对象：

  • 合同文本
  • 法律义务分析
  • 需要抽取当事人责任、条款义务、终止条件等信息的文档

文档后续示例是：

he search ./contract_kb/ "termination conditions"

这表明该模板面向法律文档中的特定义务与条款信息抽取，后续可结合搜索定位具体 clause。

语言支持差异是入口选择中的关键边界

模板支持多语言，并可显式指定语言

文档明确说明 templates support multiple languages，并给出以下形式：

# English
he parse doc.md -t general/biography_graph -l en

# Chinese
he parse doc.md -t general/biography_graph -l zh

这说明模板入口具备明确的语言参数控制能力：

  • -l en 用于英文。
  • -l zh 用于中文。

这不是可有可无的装饰参数。文档在 best practices 中明确强调：

  • Choose the right language
  • Improves extraction quality for non-English documents

换句话说，处理非英文文档时，语言选择会直接影响抽取效果，而模板入口正是承载这一能力的主要方式。

方法模板始终使用英文 prompts

文档同时给出一个非常重要的边界：

  • Method templates always use English prompts.

这意味着如果选择方法入口，就不能像模板那样通过 -l zh 等方式自然切换到对应语言提示；方法侧的提示语始终是英文。

这一点会带来两个实际影响：

  1. 对英文材料更自然。
  2. 对非英文材料，尤其中文材料，可能不如模板 + 正确语言参数的组合稳定。

因此，在非英文文档场景中，入口选择不是纯粹的个人偏好问题，而是与抽取质量直接相关的技术决策。

抽取入口选择会影响什么

1. 影响命令参数形式

最直接的差异是命令写法不同：

  • 模板：he parse <doc> -t <template> [-l <lang>]
  • 方法：he parse <doc> -m <method>

例如：

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

与：

he parse doc.md -m light_rag

这不仅是参数缩写不同，而是两套抽象层级不同的调用路径。

2. 影响抽取质量

文档中的最佳实践已经隐含这一结论：

  • 领域任务优先用模板，因为模板针对具体 use case 做了优化。
  • 非英文文档要选对语言，否则质量会下降。

因此，如果任务本身就是传记、概念研究、合同义务这类明确领域问题，用对应模板通常比直接上方法更容易得到稳定结果。

3. 影响使用门槛

模板是 ready-to-use，方法是 advanced。 这意味着：

  • 模板降低上手门槛。