企业官网建设流程全解析

Hyper-Extract 模板最佳实践：清晰描述、具体规则、双语支持指南

【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

Hyper-Extract 是一个用 LLM 将非结构化文本转化为结构化知识（图谱、超图、时空抽取）的开源工具。而YAML 抽取模板正是它"聪明程度"的核心所在——同样的文档，模板写得越清晰，抽取质量越高。本文分享 Hyper-Extract 模板设计的最佳实践：如何写清字段描述、如何制定具体抽取规则、以及如何正确支持中英双语。

先认识模板：一份 YAML 决定抽取质量

Hyper-Extract 的模板由几个固定区块组成。以财报摘要模板 earnings_summary.yaml 为例，每个模板包含：

完整的设计规范见 DESIGN_GUIDE_zh.md，官方模板库位于 templates/presets/，按 general、finance、legal、medicine、tcm、industry 等 7 个领域组织。

最佳实践一：清晰描述，拒绝模糊

字段描述要"自包含"

每个字段的description是 LLM 理解字段含义的唯一依据。好的描述应该包含格式示例和取值范围，让 LLM 不需要猜测：

- name: quarter type: str description: zh: '财报季度，格式如"2024Q3"'

对比模糊写法"季度"——前者直接给出格式规范，LLM 输出会稳定得多。

target 要指定角色与职责

guideline.target相当于给 LLM 的"岗位说明书"，应明确角色 + 任务 + 质量要求：

target: zh: '你是一位专业的投研分析师，负责从财报电话会议记录中准确提取业绩数据和关键信息。'

三条快速自检

• ✅ 每个字段的description都能让陌生人看懂字段含义
• ✅description给出了格式或取值示例（如"2024Q3"、"积极/中性/消极"）
• ✅target写清了角色和具体职责，而非只写"你是一个助手"

最佳实践二：具体规则，划清 Schema 与 Guideline 的边界

这是新手最容易踩的坑。Schema 定义"是什么"，Guideline 定义"如何做好"，两者不应互相重复。

❌ 反例：在guideline里写"提取 name 字段作为实体名称"——这只是在重复 Schema 定义。 ✅ 正例：写"只提取文本中出现的全名，不提取代词"——这是 Schema 里没有的抽取约束。

控制字段数量：每组件不超过 5 个

实体、关系的字段建议≤ 5 个，按"必要 → 重要 → 可选"排序（如source/target必要，type/time重要，description可选）。超限时优先拆分模板或删减冗余字段。

命名统一，减少歧义

这些自动修复规则在 rules-naming.md 中有完整定义，规则与 Guideline 边界问题可参考 rules-consistency.md。

最佳实践三：双语支持，语言纯净是核心

正确姿势：zh/en 各写一份，互不混杂

language: [zh, en] description: zh: '财报会议摘要模板 - 从财报电话会议记录中提取公司业绩、预期对比和前瞻指引' en: 'Earnings Call Summary Template - Extract company performance, guidance from transcripts'

核心原则是语言纯净：zh字段必须是纯中文，en字段必须是纯英文。

• ❌zh: '类型：entity(实体)'—— 中英混杂
• ✅zh: '类型：实体'/en: 'Type: entity'

哪些能翻译，哪些不能翻译

根据 multilingual 技能 的定义：

常见术语对照：实体→entity、过程→process、关系→relation、高/中/低→high/medium/low。

单语言模板升级双语只需两步

1. 将language: zh改为language: [zh, en]
2. 给每个可翻译字段补一个en子字段，并整体校验术语一致性

用 he template validate 一键体检

模板写完后，运行校验命令即可按 HE-T001–HE-T009 检查码体检（实现见 validator.py）：

he template validate my_template.yaml

关键检查项：

• 🔴 error 级：YAML 可解析、标识字段存在于 schema、relation_members类型匹配
• 🟡 warning 级：声明语言缺失、字段数超过 5、与内置预设重名

校验器还能自动发现"zh 字段混入英文术语"这类双语问题，是发布前最后一道防线。

抽取效果：一份好模板长这样

下图是用模板抽取后he show的可视化界面——节点、关系、描述都来自模板定义的 Schema：

最佳实践速查清单

1. ☑️描述自包含：每个字段description带格式示例
2. ☑️边界清晰：Schema 管"是什么"，Guideline 管"如何做好"，不互相重复
3. ☑️规则具体："提取与原文一致的精确数字"而非"提取数字"
4. ☑️字段克制：每个组件 ≤ 5 字段，按必要/重要/可选排序
5. ☑️命名统一：type、time、snake_case，标签小写
6. ☑️语言纯净：zh 纯中文、en 纯英文，字段名不翻译
7. ☑️过一遍校验：he template validate无 error 再交付

完整工作流可参考官方技能包 hyperextract-skills/ 中的 brainstorm → designer → optimizer → validator 流水线，以及 模板选择指南 和 模板格式文档。

【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