Hyper-Extract 安装失败5 个最常见问题的排查清单【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-ExtractHyper-Extract 是一款基于 LLM 的结构化知识抽取工具能一条命令把非结构化文档变成图谱、超图与时空知识。如果你执行pip install hyperextract或he --version时遇到 no matching distribution found、command not found 这类报错别慌——按下面这份清单逐项排查5 分钟内定位原因。安装前自检先确认 Python 版本与验证命令Hyper-Extract 在 pyproject.toml 中明确声明了Python 3.11的硬性要求这是 80% 安装失败的根源。先运行python --version # 需要 ≥ 3.11安装完成后验证命令也请提前记住he --version # 期望输出Hyper-Extract CLI version 0.4.0 he config show # 查看当前 LLM / Embedder 配置这两条命令能跑通就说明安装与配置都成功了。问题一pip 报 no matching distributionPython 版本低于 3.11典型症状ERROR: Could not find a version that satisfies the requirement hyperextract原因当前 Python 是 3.10 或更低版本包索引中不存在兼容版本。解决方法升级到 Python 3.11可用 pyenv、conda 或系统包管理器再重新执行安装。建议为项目创建独立虚拟环境避免污染全局 Python。问题二faiss-cpu / langchain 依赖下载失败典型症状安装卡在某个依赖上报Read timed out或Could not download。原因Hyper-Extract 依赖faiss-cpu、langchain、ontosight等十几个包网络不佳时任意一个下载失败都会导致整体中断。解决方法切换国内镜像源后重装pip install hyperextract -i https://pypi.tuna.tsinghua.edu.cn/simple仍失败可先装 uv 再安装uv 的并发下载和缓存机制更稳定uv tool install hyperextract问题三装上了但 he 命令找不到command not found典型症状pip install显示成功输入he却报command not found。原因脚本目录不在 PATH 中或者你误用了全局 pip 安装。解决方法推荐隔离安装自动处理 PATHuv tool install hyperextract # 推荐 # 或 pipx install hyperextract安装后重开一个终端再试he --version。若仍无效检查终端环境变量中是否包含~/.local/binpipx/uv 的安装目录。问题四he parse 报 API key not found密钥未配置典型症状命令能跑但提取时报 API 密钥缺失或认证失败。原因Hyper-Extract 依赖 LLM 与 Embedder 两个服务首次使用必须完成一次配置配置会持久化到~/.he/config.tomlWindows 为%USERPROFILE%\.he\config.toml。解决方法按所用平台执行对应命令之后运行he config show核对# OpenAI he config init -p openai -k YOUR_OPENAI_API_KEY # 阿里云百炼国内用户常用 he config init -p bailian -k YOUR_BAILIAN_API_KEY # DeepSeek / Anthropic 仅提供 LLM需再配一个嵌入器 he config llm -p deepseek -k YOUR_DEEPSEEK_API_KEY he config embedder -p openai -k YOUR_OPENAI_API_KEY完整参数说明可参考文档docs/zh/cli/configuration.md支持 OpenAI、百炼、DeepSeek、Anthropic 与本地 vLLM 五种接入方式。问题五模型不支持 json_schema抽取不返回 JSON典型症状控制台出现messages must contain the word json或结果中 JSON 解析失败。原因Hyper-Extract 使用结构化输出json_schema约束模型百炼平台的qwen-max和deepseek-v3只支持json_object会出现此问题。解决方法换用已验证支持的模型即可he config llm -p bailian -k YOUR_API_KEY -m qwen-plus # 可选qwen-turbo、qwen3.6-plus、deepseek-r1各平台已验证的模型兼容列表见docs/zh/concepts/provider-system.md。安装验证成功跑一次 he show 看知识图谱全部排查通过后用最小任务做一次端到端验证he parse 示例文档.md -t general/base_graph -o ./kb/ -l zh he show ./kb/如果能弹出交互式图谱界面说明 LLM、Embedder、CLI 三条链路全部打通。排查清单小结#症状根因一句话解法1no matching distributionPython 3.11升级 Python 到 3.112依赖下载超时网络问题换镜像源或用 uv3he: command not foundPATH 缺失改用uv tool install4API key not found未配置密钥he config init一次配置5不返回 JSON模型不支持 json_schema换 qwen-plus 等已验证模型对照表格从上到下过一遍绝大多数安装失败都能迎刃而解。遇到清单之外的报错可运行he 命令 --help查看参数详情或在项目仓库提交 issue 反馈。【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
Hyper-Extract 安装失败？5 个最常见问题的排查清单
Hyper-Extract 安装失败5 个最常见问题的排查清单【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-ExtractHyper-Extract 是一款基于 LLM 的结构化知识抽取工具能一条命令把非结构化文档变成图谱、超图与时空知识。如果你执行pip install hyperextract或he --version时遇到 no matching distribution found、command not found 这类报错别慌——按下面这份清单逐项排查5 分钟内定位原因。安装前自检先确认 Python 版本与验证命令Hyper-Extract 在 pyproject.toml 中明确声明了Python 3.11的硬性要求这是 80% 安装失败的根源。先运行python --version # 需要 ≥ 3.11安装完成后验证命令也请提前记住he --version # 期望输出Hyper-Extract CLI version 0.4.0 he config show # 查看当前 LLM / Embedder 配置这两条命令能跑通就说明安装与配置都成功了。问题一pip 报 no matching distributionPython 版本低于 3.11典型症状ERROR: Could not find a version that satisfies the requirement hyperextract原因当前 Python 是 3.10 或更低版本包索引中不存在兼容版本。解决方法升级到 Python 3.11可用 pyenv、conda 或系统包管理器再重新执行安装。建议为项目创建独立虚拟环境避免污染全局 Python。问题二faiss-cpu / langchain 依赖下载失败典型症状安装卡在某个依赖上报Read timed out或Could not download。原因Hyper-Extract 依赖faiss-cpu、langchain、ontosight等十几个包网络不佳时任意一个下载失败都会导致整体中断。解决方法切换国内镜像源后重装pip install hyperextract -i https://pypi.tuna.tsinghua.edu.cn/simple仍失败可先装 uv 再安装uv 的并发下载和缓存机制更稳定uv tool install hyperextract问题三装上了但 he 命令找不到command not found典型症状pip install显示成功输入he却报command not found。原因脚本目录不在 PATH 中或者你误用了全局 pip 安装。解决方法推荐隔离安装自动处理 PATHuv tool install hyperextract # 推荐 # 或 pipx install hyperextract安装后重开一个终端再试he --version。若仍无效检查终端环境变量中是否包含~/.local/binpipx/uv 的安装目录。问题四he parse 报 API key not found密钥未配置典型症状命令能跑但提取时报 API 密钥缺失或认证失败。原因Hyper-Extract 依赖 LLM 与 Embedder 两个服务首次使用必须完成一次配置配置会持久化到~/.he/config.tomlWindows 为%USERPROFILE%\.he\config.toml。解决方法按所用平台执行对应命令之后运行he config show核对# OpenAI he config init -p openai -k YOUR_OPENAI_API_KEY # 阿里云百炼国内用户常用 he config init -p bailian -k YOUR_BAILIAN_API_KEY # DeepSeek / Anthropic 仅提供 LLM需再配一个嵌入器 he config llm -p deepseek -k YOUR_DEEPSEEK_API_KEY he config embedder -p openai -k YOUR_OPENAI_API_KEY完整参数说明可参考文档docs/zh/cli/configuration.md支持 OpenAI、百炼、DeepSeek、Anthropic 与本地 vLLM 五种接入方式。问题五模型不支持 json_schema抽取不返回 JSON典型症状控制台出现messages must contain the word json或结果中 JSON 解析失败。原因Hyper-Extract 使用结构化输出json_schema约束模型百炼平台的qwen-max和deepseek-v3只支持json_object会出现此问题。解决方法换用已验证支持的模型即可he config llm -p bailian -k YOUR_API_KEY -m qwen-plus # 可选qwen-turbo、qwen3.6-plus、deepseek-r1各平台已验证的模型兼容列表见docs/zh/concepts/provider-system.md。安装验证成功跑一次 he show 看知识图谱全部排查通过后用最小任务做一次端到端验证he parse 示例文档.md -t general/base_graph -o ./kb/ -l zh he show ./kb/如果能弹出交互式图谱界面说明 LLM、Embedder、CLI 三条链路全部打通。排查清单小结#症状根因一句话解法1no matching distributionPython 3.11升级 Python 到 3.112依赖下载超时网络问题换镜像源或用 uv3he: command not foundPATH 缺失改用uv tool install4API key not found未配置密钥he config init一次配置5不返回 JSON模型不支持 json_schema换 qwen-plus 等已验证模型对照表格从上到下过一遍绝大多数安装失败都能迎刃而解。遇到清单之外的报错可运行he 命令 --help查看参数详情或在项目仓库提交 issue 反馈。【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