yifanfeng97/Hyper-Extract

Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.

What it solves

Hyper-Extract 是一个 CLI 工具和框架，旨在将非结构化文本文件转换为结构化、强类型的“知识摘要”。它消除手动阅读大量文档以提取关键实体、关系和模式的需求，让用户只需一条命令即可将文档转换为知识图谱、超图或 Pydantic 模型等格式。

How it works

系统使用由 Auto-Types、Methods 和 Templates 组成的三层架构。它利用 LLM（通过结构化输出/JSON schema）根据预定义的 YAML 模板解析文本。支持多种抽取引擎（如 GraphRAG 和 LightRAG），并能在新增文档时增量演进知识库。抽取的数据可以存储为 Knowledge Abstract、通过 RAG 搜索、可视化，或导出到 Obsidian vault。

Who it’s for

  • Researchers 需要将学术论文转化为交互式知识图谱。
  • Financial Analysts 想自动识别财报中的公司和指标。
  • Developers 寻求使用 vLLM 的本地、私有部署的知识抽取。
  • Knowledge Managers 使用 Obsidian 进行个人知识管理。

Highlights

  • 8 Knowledge Structures：支持从简单的列表和集合到复杂的时空图和超图。
  • 80+ YAML Templates：提供零代码的领域预设，如金融、法律、医疗和通用。
  • 10+ Extraction Engines：包括 GraphRAG、LightRAG、Hyper‑RAG 等即用实现。
  • MCP Server Support：允许 Claude Desktop 和 IDE 代理通过 Model Context Protocol 查询知识摘要。
  • Multi-Model Support：兼容 OpenAI、Anthropic 和本地 vLLM 部署。
  • Obsidian Export：将抽取的图谱转换为通过 wikilink 链接的 Markdown 笔记。