Hyper-Extract Skills一句话描述需求Claude Code 替你写好 YAML 知识模板【免费下载链接】Hyper-ExtractHypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.项目地址: https://gitcode.com/GitHub_Trending/hy/Hyper-Extract你手里有一堆 PDF 和会议记录想抽出结构化知识却不想逐行手写 YAML 模板。Hyper-Extract Skills 就是 Hyper-Extract 官方提供的 Claude Code 技能包你用自然语言描述需求AI 负责完成知识模板设计、校验、优化与多语言转换之后一条 he parse 命令就能从文档里取出知识。先看效果模板就绪后抽取只需要一条命令he parse doc.md -t general/biography_graph -o ./ka/-t指定 YAML 知识模板-o指定结果落地位置。输出的结构化对象长什么样取决于模板类型可能是 List 形式的要点清单、Set 形式的实体集合也可能是知识图谱或者超图——超图可以理解为多个实体共同参与同一条关系。跑完后文档内容就进了知识库后续还能做语义检索和对话。项目全景8 种知识类型各管什么场景Hyper-Extract 的思路是 LLM 结构化抽取输入是非结构化文本输出是结构化知识对象。它把知识类型分成两大类。记录类适合不需要建模关系的场景model单个结构化对象做摘要卡片list同构条目的有序列表做关键点清单set去重后的集合做实体收集图谱类适合实体与关系明确的场景graph二元关系 A→B知识图谱的基础形态hypergraph多个实体参与同一条关系适合多方事件temporal_graph在关系上叠加时间维度spatial_graph叠加空间维度spatio_temporal_graph时间与空间同时叠加不确定自己的场景落在哪一格后面 brainstorm 技能会替你把这件事做完。技能包解析6 个技能怎么串成一条流水线先说清楚 Claude Code 技能是什么。一个技能的核心是一份 SKILL.md里面写明了触发条件和标准流程旁边还配有示例案例cases与设计参考references。装进 Claude Code 之后你说出设计模板提取数据建一个知识图谱模板这类话对应技能会自动被唤起不需要你记任何子命令。Hyper-Extract Skills 一共 6 个技能串起来是一条完整流水线brainstorm需求探索的第一站。它先问清输入来源、抽取目标、关键字段然后输出一份含类型、字段、标识符的设计草稿再交给对应的设计师。record-designer接手 model/list/set 的设计内置财报摘要、产品特性、实体注册表等案例生成时可以参考这些现成的写法。graph-designer接手图谱家族内置企业股权、战况分析等案例实体、关系、标识符的骨架都有参照。template-optimizer设计完成后自动检查并修复常见问题比如命名不规范、描述混用语言。yaml-validator按规则逐项校验输出 ERROR、WARNING、INFO 三级结果。multilingual需要中英双语时由它负责转换。前两个负责探索与生成后三个负责检查与收尾分工互不重叠。模板设计实战探索、生成、质检三个阶段探索阶段。brainstorm 的决策逻辑很朴素先问你要不要建模关系。不需要就进记录类——单个对象选 model有序列表选 list去重集合选 set。需要就进图谱类——二元关系选 graph多实体关系选 hypergraph再按是否叠加时间、空间维度扩展出 temporal_graph、spatial_graph 或 spatio_temporal_graph。谈完之后你会拿到一份设计草稿它是下一步的输入。生成阶段。设计师接到草稿后产出 YAML全程遵循一条原则Schema 定义 WHAT提取什么字段名、类型、是否必填Guideline 定义 HOW TO DO WELL如何提取得更好抽取策略、质量要求、建图条件两部分各司其职不重复描述。生成的模板大致是这样name: earnings_summary type: model tags: [finance, financial-report] output: fields: - name: company_name type: str required: trueSchema 部分声明要提取的字段模板里另有一段 Guideline 告诉模型怎么提取得准一次写全。质检阶段。template-optimizer 检查命名规范、语言一致性、字段数量、Schema 与 Guideline 的分离度能安全修改的问题当场修掉yaml-validator 按语法 → 必填字段 → 类型 → 标识符 → 字段的顺序验证结论分三级ERROR 必须修WARNING 影响质量INFO 只是参考建议。需要双语支持时最后再跑 multilingual 收尾。 安装与上手安装只有一步cp -r hyperextract-skills ~/.claude/skills/也可以直接在插件命令里输入/plugin install hyperextract-skills。Trae 用户把目标目录换成~/.trae/skills/即可。上手建议拿不准类型时先跟 brainstorm 开口把输入文档和目标知识说清楚设计完成后别跳过 optimizer命名不规范、描述重复这类小问题大多数能在这里一次修干净。进阶与避坑几条实操约定命名标准化优化器会把字段收敛到简洁名称例如relation_type改回type、event_date改为time模板名用 PascalCase字段名用 snake_casetags 用小写。字段数量控制实体或关系的字段超过 5 个会被提示精简保留顺序按 Essential → Important → Optional 取舍。可翻译与不可翻译description 和 guideline 可以翻译name、type、tags、字段名、标识符一律保持原文枚举值也要维持语言纯净不要出现类型entity(实体)这种混排。Schema 与 Guideline 分离Guideline 里重复罗列字段定义是典型的坏味道优化器会专门检查这一点。更多细则可以看 template-optimizer/SKILL.md 与 yaml-validator/SKILL.md系统性的模板设计思路在 DESIGN_GUIDE_zh.md。模板就绪就是从文本到知识的交接点。技能包把知识模板设计从手写 YAML 变成与 AI 的对话你只需要把要抽什么知识想清楚。现在就装好技能对 Claude Code 说出第一句需求比如我想从法务合同里提取关键义务和风险剩下的交给这条流水线走完。【免费下载链接】Hyper-ExtractHypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.项目地址: https://gitcode.com/GitHub_Trending/hy/Hyper-Extract创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
