跳转至

新闻动态

版本发布与功能亮点。完整变更日志见 GitHub Releases。

v0.10.5 — 加载期模板校验与本地模型友好报错

  • 🛡️ 加载期 identifiers 校验 — 模板的 node_id/relation_id/relation_members 引用了 output 未声明字段时，Template.create 阶段即报 relation_id references '{type}' but relations.fields does not declare 'type'，而非首次合并时崩出无关的 max() 错误。(生产反馈；需要 ontomem ≥ 0.6.1)
  • 🧠 本地模型友好报错 — 无配置文件时 Template.create 不再静默回退到 OpenAI 默认值，报错列出三条出路（he config init、-p vllm 本地方案、显式传客户端）。
  • ontomem 0.6.1 — 精确回滚安全：100% key 抽取失败时抛 KeyExtractionError、key_extraction_failed 警告聚合计数、remerge="mechanical" 大共享键确定性回滚（无 LLM、秒级）。(生产反馈)

v0.10.4 — Chunk 失败可见化与超图增量喂入修复

  • 🐛 超图增量喂入修复 — 向已有超图 KA 喂第二个文档时崩溃（_update_data_state 引用了不存在的 key_extractor 属性）。现改用 node_key_extractor/edge_key_extractor。
  • 👁️ Chunk 抽取失败可见 — 失败的 chunk 此前只留一行日志即被静默跳过。现在每次 feed_text()/parse() 都会记录失败明细：读取 ka.extraction_failures（chunk 序号、阶段、错误）。he feed/he parse 会在丢弃 chunk 时打印警告。
  • ⚙️ on_error 策略 — 新增构造参数："skip"（默认，保持现有行为）或 "raise"（首个失败 chunk 即中止整个喂入）。所有 AutoType 均可用。

v0.10.3 — Cypher 导出可用了

  • 🐛 Cypher 导出修复 — he export cypher 的输出此前无法导入 Neo4j/Memgraph：语句缺少 ; 结束符（cypher-shell 会把整个文件当成一条查询），且单条语句内变量重复声明（第二个节点起报 Variable 'n' already declared）。现在每个节点/边/超边都是独立的 ; 结尾语句，超边成员使用位置别名（n0、n1…）。(#174)
  • 🧹 一致性 — AutoList/AutoModel 未建索引时抛标准的 ValueError 建索引提示，替代裸 Exception。(#175)

v0.10.2 — 范围对话、方法选型指南与持久化修复

  • 💬 范围对话 — he talk --source/--tag（及 ka.chat）可将上下文限定在已标注/打标签的文档内，对不支持的类型自动能力探测。(#161, #160)
  • 📖 方法选型 — 新增"基线 vs 结构化"选型指南，以及同语料 chunk_rag vs graph_rag 的并排对比示例（含成本/延迟）。(#162, #163 —— #117 的前两步)
  • 🏗️ 内部改进 — GraphIndexMixin 抽取 graph/hypergraph 共享的合并/索引/检索面（净删 168 行）。(#145)
  • 🐛 修复 — 时空图谱 observation 上下文现在能跨 dump/load 保留（此前静默丢失）；MCP 加载失败以工具结果返回，不再炸掉 stdio 会话；he config init 不再为纯 LLM provider 写入同源坏嵌入器；Cog_RAG.chat 透传 source_ids/tags；he list --lang zh 保留方法模板；document 模板增加输出结构校验；CLI banner 列出 jsonld/cypher。(#167, #169, #165, #171, #159, #173, #155)
  • 📚 文档 — 解决 MCP 文档残留冲突标记；JSON-LD/Cypher 章节排版修复；索引布局说明按类型区分；Gemini provider 指南。(#149, #151, #153, #157)

v0.10.1 — 索引存储脱离 pickle

  • 🔒 安全的索引格式 — AutoModel/AutoList 的索引改为 JSON 存储（index.json：向量 + 文档），加载时在内存中重建——没有 pickle，不执行任何代码。旧 pickle 索引（<= v0.10.0）仍可加载但会给出警告；he build-index --force 即可迁移。(#116)

v0.10.0 — 更多导出格式、Gemini 与质量加固

  • 📤 JSON-LD 与 Cypher 导出 — he export jsonld（二元边 + GraphML 风格超边）与 he export cypher（Neo4j 兼容 MERGE 脚本；N 元边编码为 Hyperedge 节点，不做有损团 expansion）。(#139, #141)
  • 🔌 MCP 导出对齐 — he-mcp 新增 export_graphml、export_csv、export_jsonld、export_cypher 工具；MCP list_templates 包含方法模板、info 与 CLI 一样展示 chunks/时间戳/来源。(#106, #131, #133, #144)
  • 📄 he feed 支持目录 — 与 he parse 对齐：逐文件来源标注、相同的跳过/警告行为。(#135)
  • 🧠 原生 Gemini 支持 — 此前未接线的 [google] extra 已接入 create_llm：pip install "hyperextract[google]"。(#137)
  • 🏗️ 内部改进 — GraphIndexMixin 抽取 graph/hypergraph 共享的合并/索引/检索面（净删 168 行）；全部注册方法的契约测试；测试矩阵加入 Windows。(#112, #108, #145)
  • 🛡️ 加固 — chunk 参数解析期校验（chunk_overlap < chunk_size）；relation_members 必须含 source/target 角色；Windows config.toml ACL 收紧到当前用户；FAISS 反序列化警告。(#91, #92, #110, #94)
  • 🐛 修复 — 超图范围检索透传；he search 打印节点/边而非原始元组；MCP search 不再因三元组崩溃；GraphML 导出尊重 --force。(#90, #144)

v0.9.1 — 范围检索补全与校验器加固

  • 🐛 修复 — 超图 search 透传 scope（此前丢弃 source_ids/tags）；AutoSet 溯源端到端接通（记录/标签/回滚/持久化）；Graph_RAG/Cog_RAG scope 转发；无账本类型上范围检索给出明确报错。

v0.9.0 — 丰富的文档输入与 chunk_rag 基线

  • 📄 丰富的文档输入 — he parse / he feed 现在支持 PDF、Word、PowerPoint、Excel、HTML、CSV/JSON/XML、EPUB 等格式，安装可选依赖即可启用（pip install "hyperextract[ingest]"，由 MarkItDown 驱动）。非 UTF-8 文本（GBK 等）自动识别编码；无文字层的扫描版 PDF 会给出明确的 OCR 提示，而不是静默摄入乱码。
  • 🧱 chunk_rag 基线方法 — 全新的零提取方法：文档直接分块并向量化，检索返回原始文本块。摄入零 LLM 成本，且具备完整溯源能力（标签、范围检索、按文档回滚）。语料问答与方法对比的块检索基线。
  • 🐛 修复 — he tag 在所有知识库上都会崩溃（tag_source 此前从未在任何类型上实现）；he search/he talk/he feed/he remove --document 在方法型知识库上会崩溃（method/* 模板无法从元数据解析）。

v0.8.1 / v0.8.2

  • 🏷️ 来源标签与范围检索 — he tag ./ka/ --source doc-1 --add legal，然后 he search ./ka/ "query" --tag legal 即可只在已标注文档范围内检索。适用于 graph、hypergraph 和 set。(#89, #84)
  • 🛡️ 输入类型校验 — he parse / he feed 现在会拒绝不支持的文件类型并给出转换提示，而不是静默摄入乱码。(#88)
  • 📦 文档存档修复 — 同一来源换文件名重喂不再积累陈旧副本。(#89)

v0.8.0

  • 🔄 文档级 Upsert — 对已标注的文档重新喂入时，旧版本贡献自动回滚：删除的事实消失，共享键从幸存来源重新合并。(#84)
  • 📁 逐文件来源标注 — he parse ./docs/ 自动按文件名标注来源；之后可回滚或审计任意单个文件。显式 --source 仍然优先。
  • ⏱️ 时空溯源 — 时间/空间/时空图谱完整支持来源标注与回滚，并通过确定性的（MERGE_FIELD）回放测试。

v0.5.0 – v0.7.0

  • 🗑️ 两级知识删除 — 按键硬删（he remove --node/--edge，孤立边自动修剪），或通过 LLM 辅助编辑删除单条错误事实（he remove --edit-node --fact），支持 dry-run、键不变性检查与自动备份。(#84)
  • 📜 来源标注与溯源 — he feed --source / he parse --source 记录每个文档的原始贡献；he remove --document 精确回滚单个文档的贡献；he info --sources 展示来源账本。(#84)
  • 📈 全面增量 — feed/parse/删除/编辑均原地修补向量索引（仅重嵌入受影响的向量）；内容哈希未变的文档自动跳过（--refeed 强制）。(#84)
  • 🧪 he template validate — 在为 LLM 调用付费之前发现模板语义错误：9 条诊断规则、--json 输出接入 CI、--all 扫描目录。(#77)
  • 📊 GraphML 与 CSV 导出 — 对接桌面图工具与表格软件；超图导出超边表。(#85)
  • 🌐 OrcaRouter Provider — 一个 key 接入 150+ 模型（create_client("orcarouter")）。(#71)
  • 🔐 配置文件权限 — ~/.he/config.toml 以 0600 权限保存。(#86)
  • 🔗 Obsidian 双链修复 — 别名不再因 [ ] | # ^ 等字符出错。(#87)
  • 🛡️ Chunk 级故障隔离 — 单个 chunk 失败不再丢弃整个多 chunk 提取结果。(#78)
  • ⚡ MCP Python SDK 2.x — he-mcp 同时兼容 mcp 1.x 与 2.x。(#72, #82)
  • 🔀 有向边修复 — 保留 (source, target) 顺序；支持自定义端点字段名。(#74)
  • 🔑 DeepSeek API Key 修复 — OpenAI 兼容路径下正确识别 DEEPSEEK_API_KEY。(#76)
  • 🎓 教育领域模板 — course_concept_graph + curriculum_structure。(#80)
  • 🧭 其他修复 — Graph_RAG.search 三元组；he talk -i --top-k；引导与文档整体翻新。(#70, #73, #57)