AI-Wiki

定义

Hyper-Extract CLI Retrieval and QA 指的是在 Hyper-Extract CLI Workflow 中，用户针对已经抽取完成的知识库进行访问、检索、浏览和问答的命令集合。它不是知识抽取本身，而是抽取完成后的交互入口，主要由 he show、he search 和 he talk 三种方式组成。

这三种交互方式的输出形态明确不同：

he show：在浏览器中打开交互式知识图谱，用可视化方式查看节点和边。
he search：在命令行返回检索结果列表，适合快速查找实体、概念或描述。
he talk：根据知识库内容生成自然语言回答，适合直接提问。

它们共同构成用户与抽取结果交互的主要入口。

在本文档中的语境

在 CLI Workflow Guide 摘要展示的研究论文分析场景中，用户先把论文解析为知识库，然后进入“Explore the Knowledge”“Search for Information”“Chat with Your Knowledge”等阶段。这里的 Retrieval and QA 就是这些后续操作的总称。

示例流程中，知识库先由 he parse transformer_paper.md -t general/concept_graph -o ./transformer_kb/ -l en 生成，随后再通过以下命令访问其中内容：

he show ./transformer_kb/
he search ./transformer_kb/ "neural network architecture"
he search ./transformer_kb/ "performance metrics" -n 5
he talk ./transformer_kb/ -q "What is the main contribution of this paper?"
he talk ./transformer_kb/ -i

这说明 Retrieval and QA 的前提是已有可用知识库；如果语义搜索需要向量索引，则还依赖索引已构建，文档中的故障排查明确提到：若搜索无结果，应确认先执行 he build-index ./ka/。

关键组成

`he show`：图谱可视化

he show ./transformer_kb/ 会在浏览器中打开交互式图谱，而不是在终端输出自然语言答案或结果列表。

在示例论文场景中，这个图谱展示的内容包括：

节点：作者、概念、模型、指标
边：它们之间的关系

因此，he show 的作用更偏向结构浏览。它适合用户从整体上观察知识图中的组成与连接关系，但不直接替代搜索或问答。

`he search`：语义检索

he search 的关键特征是语义检索，而不是仅按字面关键词做精确匹配。文档明确说明：即使查询词与原文中的关键词不完全一致，也可以找到相关实体或概念。

典型示例是：

he search ./transformer_kb/ "neural network architecture"

虽然查询词是较泛化的描述，结果仍可命中与 Transformer 论文高度相关的条目。示例返回中写明“Found 3 result(s):”，并展示了如下典型结果结构字段：

name
type
description

示例结果包括：

{
 "name": "Transformer",
 "type": "model",
 "description": "A neural network architecture based solely on attention mechanisms"
}

以及：

{
 "name": "Attention Mechanism",
 "type": "concept",
 "description": "Mechanism to draw global dependencies between sequences"
}

这说明 he search 返回的是结构化命中列表，而不是整段自由回答。

文档还给出更具体的查询示例：

he search ./transformer_kb/ "performance metrics" -n 5

其中 -n 用于限制返回数量，示例值为 5。在完整脚本示例中，搜索命令还使用了：

he search "$OUTPUT_DIR" "main contributions" -n 2

因此，-n 至少在文档中被用作结果截断参数，常见示例包括 -n 5 和 -n 2。

`he talk`：自然语言问答

he talk 与 he search 的差异在于：它不是返回若干匹配条目，而是综合知识库内容，生成自然语言答案。

单问题模式：`he talk -q`

文档中的单次提问示例为：

he talk ./transformer_kb/ -q "What is the main contribution of this paper?"

对应回答总结为：论文的主要贡献是提出 Transformer 架构；该架构在机器翻译任务上取得了当时最先进结果，同时比循环架构或卷积架构更容易并行化，并且显著减少训练时间。

这里体现出 he talk -q 的机制不是摘录单个字段，而是对知识库中的多条信息做综合归纳后输出总结性回答。

交互模式：`he talk -i`

he talk ./transformer_kb/ -i 会进入持续会话模式。文档中的提示语明确为：

Entering interactive mode. Type 'exit' or 'quit' to stop.

在该模式下，用户可以连续追问。例如示例会话依次询问：

谁是论文作者
他们取得了多少 BLEU 分数

示例中的作者回答列出了完整作者名单：Ashish Vaswani、Noam Shazeer、Niki Parmar、Jakob Uszkoreit、Llion Jones、Aidan N. Gomez、Lukasz Kaiser、Illia Polosukhin。

接着，系统回答模型在 WMT 2014 English-to-German translation task 上达到了 28.4 的 BLEU 分数。

会话可通过输入 exit 或 quit 结束，示例中输入 exit 后返回 Goodbye!。

关键机制

从文档给出的行为看，这一组命令分别依赖同一个知识库，但面向不同交互层次：

he show 面向图结构浏览，强调节点与关系的可视化。
he search 面向检索，强调语义相近内容的命中与结构化列表输出。
he talk 面向问答，强调把知识库中的内容组织成自然语言总结。

he search 的“即使关键词不完全匹配也能找到相关内容”说明其核心能力建立在语义匹配之上，而不是普通字符串包含搜索。与此相对，he talk 进一步在检索或知识整合基础上生成答案，因此更接近问答层。

细节与边界

前提条件

这些命令都以已存在的知识库目录为输入，例如 ./transformer_kb/ 或脚本中的 $OUTPUT_DIR。如果前面的抽取没有完成，就不存在可供可视化、搜索或问答的对象。

搜索依赖索引

文档在故障排查中指出：如果搜索没有结果，应确认索引已经构建，可使用 he build-index ./ka/。这意味着 he search 的有效性依赖索引状态，而知识库在解析时只是“如果构建则会有 index”。

三者不可混同

虽然三者都属于访问知识库的入口，但输出和用途不同，不能混为一个命令的不同展示形式：

he show 不是搜索结果列表。
he search 不是自然语言回答。
he talk 不是图谱浏览器。

示例中的能力边界

当前来源只明确展示了：

he show 能打开浏览器中的交互式图谱。
he search 能按语义返回若干结构化结果，并可用 -n 限制数量。
he talk 支持 -q 单问和 -i 交互式会话。

但来源没有进一步说明 he talk 是否支持多轮记忆控制参数、he search 的排序算法细节、或 he show 的可视化过滤选项，因此这些内容不应在本词条中额外推断。

与脚本化工作流的关系

在完整脚本示例里，Retrieval and QA 也被纳入自动化流程：

第 2 步先用 he info 查看知识库信息；
第 3 步用 he search "$OUTPUT_DIR" "main contributions" -n 2 做样例搜索；
第 4 步用 he show "$OUTPUT_DIR" 打开可视化。

这说明在实际 CLI 工作流里，检索与浏览不仅用于人工探索，也常被放进脚本当作验证和演示步骤。

Hyper-Extract CLI Retrieval and QA

定义