Knowledge Abstract

定义

Knowledge Abstract 是 Hyper-Extract 语境中的核心输出，指从高度非结构化文本中抽取出来的结构化知识表示。它不是“给文章写一段摘要”的自然语言总结，而是可被程序持久保存、稳定访问、继续演化和重复利用的知识单元。

README 对它的定位非常明确：Hyper-Extract 的目标是把文档转成 persistent、predictable、strongly-typed 的 Knowledge Abstracts。也就是说，Knowledge Abstract 首先是一种“可落地的数据抽象”，而不是一次性阅读结果。

在 Hyper-Extract 中的语境

在 Hyper-Extract 里，Knowledge Abstract 通常是执行 parse 之后形成的结果。用户输入原始文档，例如论文、财报、人物传记或其他非结构化材料，系统按照模板指定的结构和字段进行抽取，输出一个知识库目录或对象；后续的搜索、问答、展示、导出与外部集成，都是围绕这个结果展开的。

因此，Knowledge Abstract 不是附属概念，而是整个工具链的中心：

• he parse：从原始文档生成 Knowledge Abstract。
• he search：在已生成的 Knowledge Abstract 上做语义搜索或检索式查询。
• ask：通过 RAG 方式基于该 Knowledge Abstract 回答问题。
• he show：把已抽取的结构可视化，尤其适合图类结构。
• he export obsidian：把其中的图结构导出为 Obsidian 知识库，生成带 wikilinks 的 Markdown 笔记。
• he-mcp：把 Knowledge Abstract 通过 MCP 暴露给 Claude Desktop 或 IDE agent 等外部助手使用。

这也解释了为什么 README 将其称为知识抽取与知识演化框架的核心产物：它既是抽取的结果，也是后续知识操作的基础对象。

三个关键特征

持久化（persistent）

Knowledge Abstract 不是临时回答，而是可以被保存、重复打开和继续维护的知识表示。README 中的典型操作方式就是把解析结果输出到一个目录，再在这个结果上继续执行查询、展示、导出等命令。

持久化带来的含义包括：

• 不必每次都重新读取原文并重新推理。
• 可以把抽取结果当作知识库长期保存。
• 可以在后续继续输入新文档，对既有知识库做扩展或修正。

可预测（predictable）

Knowledge Abstract 的结果不是完全开放式的自由文本，而是受模板、结构类型和字段定义约束的输出。这使得结果在形状、字段、标识符和可操作性上更稳定，便于后续程序调用、索引、展示和导出。

可预测并不表示内容永远完全一致，而是表示输出遵守预先定义的结构边界。例如图模板会要求实体与关系分别包含哪些字段，关系 ID 如何组成，实体 ID 用哪个字段标识。

强类型（strongly-typed）

README 明确把 Auto-Types 作为底层三层架构的第一层，提供 8 种强类型数据结构。Knowledge Abstract 的“强类型”特征，指它不是笼统 JSON 堆砌，而是落在被显式定义的数据类型之上。

这使得同一个抽取结果可以被当作明确的模型、集合或图来处理，而不只是“看起来像结构化”的文本片段。

它不是单一格式，而是统一抽象

Knowledge Abstract 并不等于知识图谱。图只是它的一个常见承载形式，README 明确强调它覆盖从简单到复杂的一整组知识结构。

至少包括以下类型：

• List
• Set
• Pydantic Model
• Knowledge Graph
• Hypergraph
• Temporal Graph
• Spatial Graph
• Spatio-Temporal Graph

README 在“8 Knowledge Structures”与“三层架构”部分给出的 8 种强类型数据结构是：

• Model
• List
• Set
• Graph
• Hypergraph
• Temporal Graph
• Spatial Graph
• Spatio-Temporal Graph

因此，Knowledge Abstract 更准确的理解方式是：它是这些结构之上的统一知识抽象。某次抽取的结果可以是一个列表，也可以是一个模型，或者是一个复杂的时空图；只要它满足持久化、可预测、强类型这三个条件，并作为后续知识操作对象存在，就属于 Knowledge Abstract。

与模板系统和类型系统的关系

Knowledge Abstract 的结构不是临时拍脑袋决定的，而是由模板系统与类型系统共同定义。

README 给出的三层架构是：

• Auto-Types：定义底层强类型结构。
• Methods：定义抽取算法，如 GraphRAG、LightRAG、Hyper-RAG、KG-Gen、Cog-RAG 等。
• 知识抽取模板：把领域配置、字段设计、输出结构和标识规则封装为可复用模板。

这意味着一个 Knowledge Abstract 的“长什么样”，主要由模板来约束；而这个模板又建立在某个明确的类型之上。

例如 README 中给出的图模板示例，明确声明：

• type: graph
• 输出包含 entities 与 relations
• 实体字段有 name、type、description
• 关系字段有 source、target、type
• entity_id: name
• relation_id: '{source}|{type}|{target}'

这类定义说明：Knowledge Abstract 不是简单“把内容抽出来”，而是按模板规定的字段、主键和结构生成。这也是它可预测、可搜索、可导出的基础。

生成链路：从 parse 到可用知识库

Knowledge Abstract 的典型生成入口是 parse。

README 中的快速开始流程展示了一个标准链路：

1. 安装工具。
2. 配置 LLM API Key。
3. 对输入文档执行 he parse ... -t 模板 -o 输出目录。
4. 得到可继续操作的 Knowledge Abstract。

示例里，系统可以把人物传记文档抽取为图类型结果；研究者示例中，可把 20 页学术论文转成包含关键概念、作者和引用关系的交互式图。

Python API 的表达也一样：

• 先 Template.create("general/biography_graph") 创建模板实例；
• 再调用 ka.parse(f.read()) 对文本进行抽取；
• 返回结果后可直接 result.show()。

这里的 result，本质上就是一个 Knowledge Abstract 的实例化结果。

使用链路：查询、展示、导出、暴露

Knowledge Abstract 生成后，不是静态终点，而是后续操作的统一入口。

search / ask 查询

README 展示了 he search ./output/ "What are Tesla's major achievements?" 这种基于已抽取知识库的查询方式。

在 MCP 工具列表中，又明确列出：

• search
• ask（RAG）

这说明 Knowledge Abstract 既可用于检索，也可作为问答的知识底座。search 偏向直接检索知识内容，ask 则是在此基础上进行 RAG 式问答。

show 可视化

he show 或 result.show() 用于展示已抽取结果，尤其适用于图、超图、时空图等更适合可视化浏览的结构。