Hyper-Extract Skills 完整指南：6 个 Claude Code 技能，从一句需求到一条命令抽取知识

【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 用 LLM 把非结构化文本变成结构化知识，图谱、超图、时空关系一条命令搞定。它的 Skills 技能包把"写模板"这件事也交给了 AI：你用大白话描述需求，Claude Code 替你完成模板的设计、校验、优化和双语化，产出的 YAML 直接喂给he parse开始抽取。

先弄懂：技能（Skill）在帮你干什么

每个技能就是一个 SKILL.md 文件，写清了触发条件和工作步骤，再配上案例（cases）和参考（references）。装好之后，只要你说到"设计模板""提取数据""创建知识图谱"这类话，对应技能会自动接活。

整个包共 6 个技能，串起来是一条单向流水线：

• brainstorm：需求不清时先用它，负责定抽取类型
• record-designer：管 model / list / set 三类记录结构
• graph-designer：管 graph / hypergraph 及时空图谱
• template-optimizer：设计完后的推荐工序，修命名、控字段数
• yaml-validator：可选，提交前查一遍
• multilingual：可选，给模板加中英双语

你不需要自己排顺序，brainstorm 结束时会自动把设计草稿（类型、字段、标识符）递给下一个设计师，一路往下走。

装进 Claude Code 或 Trae 的最快方法

两种装法，任选其一：

cp -r hyperextract-skills ~/.claude/skills/

或者在 Claude Code 里直接敲插件命令：

/plugin install hyperextract-skills

用 Trae 的同学把目标目录换成~/.trae/skills/就行，其余完全一样。更多细节在 hyperextract-skills/README_ZH.md。

从 model 到 spatio_temporal_graph：8 个类型怎么挑

选类型只问两件事：要不要表达关系？要不要时间或空间？

记录类三兄弟分工很细：只要一个对象用 model，要顺序用 list，要自动去重用 set。图谱类则是先定二元还是多实体，再叠加时间、空间维度——只加时间选 temporal_graph，只加空间选 spatial_graph，两个都要就 spatio_temporal_graph。

brainstorm 的选型逻辑：先问关系，再问维度

拿不准类型时，直接告诉 Claude："我不确定该用哪种知识模板类型"。brainstorm 会按这样的顺序盘问你的需求：

1. 需要建模关系吗？不需要就落在记录类，需要就进图谱类
2. 关系是两端的 A→B，还是多个实体一起指向一个结果？前者 graph，后者 hypergraph
3. 有没有时间戳、有没有地理位置？有就对应加上时间或空间后缀

完整判断流程写在 hyperextract-skills/brainstorm/SKILL.md。聊完之后它会交出一份草稿：类型定了、字段定了、标识符定了，接力棒直接传给设计师。

设计师出场：record-designer 与 graph-designer 分头干活

两个设计师各有分工，也都带了现成案例可参考：

• record-designer负责 model / list / set，内置财报摘要、产品特性、实体注册表三个样例，可看 hyperextract-skills/record-designer/cases/earnings-summary.yaml
• graph-designer负责二元图谱、超图以及时空图谱，内置企业股权、战况分析等案例，可看 hyperextract-skills/graph-designer/cases/corporate-ownership.yaml

两者都守同一条设计红线：Schema 回答"提取什么"，Guideline 回答"怎么提取得更好"。前者定结构，后者定质量，两边内容不许互相重复。这也是后面优化环节会专门检查的点。

收尾三件套：template-optimizer、yaml-validator 与 multilingual

模板初稿出来别急着用，后面还有三道工序值得走：

template-optimizer（推荐）：自动扫一遍模板并动手修——字段名往标准上靠，比如把relation_type改成type；检查中英文描述是否一致；实体或关系字段超过 5 个时提醒精简；同时核对 Schema 与 Guideline 是否各管各的。规则清单见 hyperextract-skills/template-optimizer/SKILL.md。

yaml-validator（可选）：按固定顺序过一遍——语法 → 必填字段 → 类型 → 标识符 → 字段，结果分 ERROR / WARNING / INFO 三档，一眼看出哪级问题。说明在 hyperextract-skills/yaml-validator/SKILL.md。

multilingual（可选）：把单语模板扩成中英双语。它清楚知道哪些字段能翻译（description、guideline），哪些字段绝对不能动（name、type、tags），不会翻乱结构。

完整走一遍：从财报电话会议到 he parse

来看一段真实对话长什么样：

你：我想从财报电话会议中提取公司名称、营收和季度

Claude（brainstorm）：根据描述，推荐 model 类型

Claude（record-designer）：开始为 model 设计字段

Claude（template-optimizer）：优化完成，命名与一致性检查通过

模板 YAML 落盘之后，抽取就是一行命令的事：

he parse <输入文档> -o <输出路径>

起步检查清单

• 先读 hyperextract-skills/README_ZH.md，把 6 个技能过一遍
• 按 brainstorm → designer → optimizer 的顺序走，优化那一步别省
• 类型拿不准就把原话丢给 Claude，让它走决策树
• 想深入模板设计，官方还有更长的设计指南：hyperextract/templates/DESIGN_GUIDE_zh.md

你只需要想清楚一件事：要提取哪些知识。剩下的设计、校验、优化，交给这套技能就行。

【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