# Hyper-Extract: когда LLM читает документы вместо тебя, а ты получаешь граф

- Site: VeraPoint News
- Section: Инструменты
- Date: 2026-06-19
- Canonical: https://verapointmedia.com/tools/yifanfeng97-hyper-extract/
- Markdown: https://verapointmedia.com/tools/yifanfeng97-hyper-extract.md
- Summary: Из неструктурированного текста — в граф знаний одной командой. Разбираю 80+ шаблонов, CLI и где это реально нужно.
- SEO title: Hyper-Extract: карта проекта и анализ кода для AI-ассистента
- SEO description: Из неструктурированного текста — в граф знаний одной командой. Разбираю 80+ шаблонов, CLI и где это реально нужно
- Target queries: Hyper-Extract; Hyper-Extract github; что такое Hyper-Extract; как использовать Hyper-Extract
- Tags: #rag #knowledge-graph #llm #extraction #cli #hypergraph
- Image: https://verapointmedia.com/static/content-assets/tools/yifanfeng97-hyper-extract/cover.webp

## Sources

- https://github.com/yifanfeng97/Hyper-Extract
- https://yifanfeng97.github.io/Hyper-Extract/
- https://yifanfeng97.github.io/Hyper-Extract/latest/
- http://localhost:8000/v1

---

Hyper-Extract — инструмент, который превращает сырой текст в структурированные знания (графы, гиперграфы, списки) одной командой. [GitHub / yifanfeng97/Hyper-Extract](https://github.com/yifanfeng97/Hyper-Extract)

Ситуация: ты открываешь двадцатистраничный квартальный отчёт, судебный иск или медицинскую статью, и понимаешь — чтобы вытащить оттуда логику, связи и суть, придётся просидеть час, а то и два. И даже после этого что-то важное можно пропустить. Знакомо?

Hyper-Extract предлагает альтернативу. Это CLI-инструмент с Python API, который скрмливает твой документ (PDF, Markdown, plain text) языковой модели, и та возвращает уже не текст, а структурированную схему фактов. Не просто «ключевые слова нашлись», а сущности, связи, временные точки и пространственные привязки. Сразу в формате Knowledge Graph, Temporal Graph, Hypergraph и ещё пяти структур, готовых к запросам и визуализации.

## Если просто

Ты даёшь файл и выбираешь шаблон (про биографию, финансы, медицину, общий граф академической статьи — вариантов десятки). Дальше команда `he parse документ -t шаблон` и модель — та, которую сама подключишь, хоть gpt-4o, хоть локальный Qwen на vLLM — делает основную работу: распознаёт сущности и отношения между ними.

Результат ложится в директорию, которую можно тут же «спросить» через `he search`, не перечитывая исходник. А команда `he show` визуализирует граф прямо в консоли или браузере.

Звучит почти магически? Да. Только магия здесь — это строгая схема на YAML, по которой LLM вынуждена выдавать результат предсказуемой структуры. Никакого «галлюциногенного текста», только факты в формате, который дальше можно грузить хоть в Neo4j, хоть в NetworkX.

## Что это решает

Основная боль — это превращение лавины документов в понятную картину без ручного перелопачивания.

Исследователь, который ведёт обзор литературы, получает интерактивную карту концепций, авторов и цитирований из десятка статей. Финансовый аналитик — вытаскивает компании, лица, метрики и связи между ними прямо из pdf-отчёта. Юрист — прогоняет договор через медицинский или финансовый шаблон, или пишет свой YAML под конкретный тип документов. Каждый новый документ не перезаписывает базу, а «эволюционно» расширяет: пришли новые данные — граф достроился.

И всё это не через боль: 80+ пресетов шаблонов закрывают основные сценарии. А если домен специфический — открываешь YAML, правишь поля, и готово. Никакого кода.

## Как попробовать

Если у тебя есть ключ OpenAI или совместимого провайдера, достаточно двух шагов:

```bash
uv tool install hyperextract
he config init -k YOUR_OPENAI_API_KEY
```

Потом берёшь любой текстовый файл (в комплекте есть пример `tesla.md`) и запускаешь извлечение:

```bash
he parse examples/en/tesla.md -t general/biography_graph -o ./output/ -l en
```

Результат можно тут же спросить текстом:

```bash
he search ./output/ "What are Tesla's major achievements?"
```

Или открыть визуализацию:

```bash
he show ./output/
```

Локальный сценарий без утечки данных наружу — vLLM с квантизованной Qwen3.5-9B + bge-m3 (embedder, он же «эмбеддер», отвечает за семантический поиск и сопоставление смыслов). Подключаешь как обычный OpenAI-совместимый endpoint — и ни один документ не покидает контур компании.

## 3 сценария с примерами

**1. Исследователь делает обзор литературы**

Задача: есть 30 статей по клиническим испытаниям. Нужно понять, какие методы где описаны и кто на кого ссылается.

*Применение:* Прогоняешь все PDF через `he parse -t general/academic_graph`, результаты складываешь в одну базу. Дальше задаёшь вопросы: «какие методы лечения упоминаются у трёх и более авторов?», «кто из исследователей работал с одной популяцией пациентов?».

*Результат:* за час — плотная сеть концепций и персоналий, которую не соберёшь глазами за неделю.

**2. Юрист анализирует договоры аренды**

Задача: 15 договоров, надо вытащить ключевые условия: стороны, сроки, штрафы.

*Применение:* Пишешь кастомный YAML-шаблон с полями: арендодатель, арендатор, дата начала, сумма, пеня (это делается без программирования). Прогоняешь документы — получаешь список моделей.

*Результат:* вместо ручного экселя и ошибок из-за невнимательности — строгая таблица за 5 минут.

**3. Журналист расследует корпоративные связи**

Задача: есть слитые письма, отчётности, новости — понять, кто в реальности контролирует сеть компаний.

*Применение:* Выбираешь шаблон `finance/earnings_graph`, скармливаешь всё подряд. Инструмент выделяет физических лиц, юрлица и связи «владеет», «руководит», «финансирует». Докладываешь новые находки — граф достраивается.

*Результат:* интерактивная схема, на которой видно то, что раньше пряталось в сносках на странице 14.

## Где можно застрять

Первое. Главное — понимать, что LLM — это не безгрешный оракул. Я специально проверила README и тесты: проект не врёт, он честно говорит, что работает через `json_schema` или Function Calling. Если модель слабая или не умеет работать со строгой структурой результата (некоторые старые опенсорсники), извлечение просто не случится. На локальном vLLM проверены только конкретные сборки Qwen3.5-9B — всё остальное придётся тестировать руками.

Второе — лицензия. В README написано Apache-2.0, однако в поле License гитхаба — NOASSERTION. Если планируешь коммерческое использование, уточняй у автора.

Третье — порог входа. Да, 80+ шаблонов, да, CLI. Но для локальной инсталляции уже нужен vLLM, пара моделей, умение поднять совместимый endpoint. Новичку, который впервые слышит про `vLLM` и `embedder`, придётся гуглить и читать доку три вечера — без этого не взлетит.

Четвёртое — скорость. Качественное извлечение из сложного документа (с гиперграфом, временными слоями) — это десятки, а то и сотни запросов к модели. На GPT-4o будет дорого, на локальном Qwen — долго. Для «живых» пайплайнов в реальном времени решение пока сыровато.

## Кому это нужно

Исследователям, аналитикам, юристам, compliance-специалистам, журналистам-расследователям — всем, кто работает с большими объёмами неструктурированного текста и должен видеть связи. Инструмент закроет боль и сэкономит часы. Особенно хорош, если ты уже умеешь в консоль и не боишься YAML, но не хочешь писать парсеры под каждый тип отчёта.

## Кому это не нужно

Тем, кому достаточно Ctrl+F и беглого чтения. Если у тебя не больше 5 документов в неделю, и они короткие, — Hyper-Extract будет молотком там, где хватило бы карандаша. Также не подойдёт, если нужно гарантированное юридически значимое качество — LLM всё ещё может «проглотить» важную тонкость, а шаблон не предусмотреть твой частный случай.

## Вердикт Веры

Hyper-Extract — редкий случай, когда CLI-инструмент с открытым исходным кодом обещает именно то, что делает. Он действительно забирает на себя всю грязную работу по извлечению сущностей и связей, причём не просто в режиме «найди имена», а в полноценном графе — вплоть до гиперграфа и пространственно-временных привязок. И он делает это без обязательства писать код, если твоя задача укладывается в 80+ пресетов.

Это не серебряная пуля, и я бы не стала доверять ему решение о чьей-то невиновности. Но для быстрого понимания сложного массива документов, когда важна не формальная точность каждого утверждения, а общая картина — инструмент отличный. Уже можно ставить и пробовать.

Только не забудь сначала уточнить лицензию, если собираешься в прод. А то Apache-2.0 в README — это прекрасно, но NOASSERTION в поле гитхаба — это «подождите, давайте перепроверим».

## Что читать дальше

- [Все материалы про AI-инструменты](/topics/ai-tools/)
- [Как отличить рабочий AI-инструмент от красивой демки](https://verapointmedia.com/guides/kak-otlichit-rabochiy-ai-instrument-ot-krasivoy-demki/)
- [Superpowers: как управлять ИИ-агентами в команде](https://verapointmedia.com/tools/obra-superpowers/)
- [React Doctor — линтер для ассистентов, чтобы они не портили код](https://verapointmedia.com/tools/millionco-react-doctor/)

## Материалы

- [yifanfeng97/Hyper-Extract] yifanfeng97/Hyper-Extract: https://github.com/yifanfeng97/Hyper-Extract
- [yifanfeng97.github.io] supporting context: https://yifanfeng97.github.io/Hyper-Extract/
- [yifanfeng97.github.io] supporting context: https://yifanfeng97.github.io/Hyper-Extract/latest/
- [localhost:8000] supporting context: http://localhost:8000/v1