yifanfeng97/Hyper-Extract

解决的问题

Hyper-Extract 是一个 CLI 工具，旨在将非结构化文档（PDF、Word、PowerPoint、Excel、HTML、EPUB）转换为结构化知识库。它消除了手动阅读大量文本以查找特定事实的需要，使用户能够提取、查询和可视化信息，将其作为图谱或列表等结构化数据。

工作原理

该工具采用三层架构：Auto-Types（9 种强类型数据结构）、Methods（如 GraphRAG 和 LightRAG 的提取与检索算法）以及 Templates（涵盖金融、法律、医疗和通用领域的 80 多个 YAML 预设）。它利用具备函数调用能力的 LLM，根据这些模板解析文档，并将结果存储在可查询的索引中。它还支持增量更新，允许用户将新文档输入现有知识库，并在源文档更新时自动回滚旧事实。

适用人群

• 研究人员：需要将学术论文转化为交互式概念图谱。
• 金融分析师：希望从财报中提取实体和指标。
• 知识库管理员：需要从不断演进的文档中维护同步且可追溯的知识库。
• 开发者：希望通过 Python API 或 AI 助手用的 MCP 服务器集成结构化提取功能。

主要亮点

• 多样化的知识结构：支持 9 种类型，包括超图、时空图和标准知识图谱。
• 丰富的模板库：涵盖金融、法律、医疗和通用领域的 80 多个零代码 YAML 模板。
• 增量演化：追踪每个事实的来源，支持基于源的更新、回滚和审计。
• 兼容 vLLM 的提供者：支持 OpenAI、Anthropic、Google Gemini、DeepSeek 以及本地 vLLM 部署。
• Obsidian 导出：将提取的图谱转换为带有 wikilinks 的 Markdown 笔记，可在 Obsidian 仓库中使用。