Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.
feat: 添加法律与文学领域知识提取模板及相关测试文件
yifanfeng97a1d0705f2528
diff --git a/examples/template_legal_demo.py b/examples/template_legal_demo.pynew file mode 100644index 0000000..5f9f7b9--- /dev/null+++ b/examples/template_legal_demo.py@@ -0,0 +1,162 @@+"""+法律知识模板测试演示++这个文件用于测试 hyperextract 法律领域的所有知识模板。+只需要选择模板,程序会自动匹配对应的输入文件。++使用方法:+1. 选择知识模板(修改 TEMPLATE 变量)+2. 运行文件:python examples/template_legal_demo.py+"""++import os+import sys++# Add project root to path+sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))++from pathlib import Path+from dotenv import load_dotenv++# 导入所有法律知识模板+from hyperextract.templates.zh.legal import (+ # 法学专著与评注+ LegalConceptOntology,+ CaseLawCitationNet,+ # 主服务协议 (MSA)+ ContractObligationHypergraph,+ DefinedTermRegistry,+ LiabilityClauseList,+ # 法院判决书+ CaseFactTimeline,+ AdjudicationLogic,+ LitigationParticipantMap,+ # 合规申报文件+ ComplianceRequirementList,+ BeneficialOwnershipGraph,+)++# 导入必要的 LLM 客户端+from langchain_openai import ChatOpenAI, OpenAIEmbeddings+++# ==========================================+# 配置:模板与输入文件自动映射+# ==========================================++# 测试文件根目录+TEST_SAMPLES_ROOT = Path(__file__).parent.parent / "tests" / "fixtures" / "test_samples" / "zh" / "legal"++# 模板到输入文件的映射关系+TEMPLATE_TO_INPUT = {+ # 法学专著与评注 -> 法学专著+ LegalConceptOntology: TEST_SAMPLES_ROOT / "legal_treatise_sample.md",+ CaseLawCitationNet: TEST_SAMPLES_ROOT / "legal_treatise_sample.md",+ # 主服务协议 (MSA) -> 主服务协议+ ContractObligationHypergraph: TEST_SAMPLES_ROOT / "msa_contract_sample.md",+ DefinedTermRegistry: TEST_SAMPLES_ROOT / "msa_contract_sample.md",+ LiabilityClauseList: TEST_SAMPLES_ROOT / "msa_contract_sample.md",+ # 法院判决书 -> 法院判决书+ CaseFactTimeline: TEST_SAMPLES_ROOT / "court_judgment_sample.md",+ AdjudicationLogic: TEST_SAMPLES_ROOT / "court_judgment_sample.md",+ LitigationParticipantMap: TEST_SAMPLES_ROOT / "court_judgment_sample.md",+ # 合规申报文件 -> 反洗钱合规申报+ ComplianceRequirementList: TEST_SAMPLES_ROOT / "compliance_filing_sample.md",+ BeneficialOwnershipGraph: TEST_SAMPLES_ROOT / "compliance_filing_sample.md",+}++# ==========================================+# 选择知识模板(只需要修改这一行)+# ==========================================++# 法学专著与评注+# TEMPLATE = LegalConceptOntology # 法律概念本体+# TEMPLATE = CaseLawCitationNet # 判例引用网络++# 主服务协议 (MSA)+# TEMPLATE = ContractObligationHypergraph # 合同义务超图+# TEMPLATE = DefinedTermRegistry # 术语定义表+# TEMPLATE = LiabilityClauseList # 责任条款清单++# 法院判决书+# TEMPLATE = CaseFactTimeline # 案件事实时序图+# TEMPLATE = AdjudicationLogic # 裁判逻辑超图+TEMPLATE = LitigationParticipantMap # 诉讼参与人图谱++# 合规申报文件+# TEMPLATE = ComplianceRequirementList # 合规要求清单+# TEMPLATE = BeneficialOwnershipGraph # 受益所有权图谱++# 自动获取对应的输入文件+INPUT_FILE = TEMPLATE_TO_INPUT[TEMPLATE]+++def main():+ """+ 主函数:执行知识提取和展示流程+ """+ print("=" * 60)+ print("法律知识模板测试演示")+ print("=" * 60)++ # 加载环境变量+ load_dotenv()++ # 验证输入文件是否存在+ if not INPUT_FILE.exists():+ print(f"❌ 错误:找不到文件 {INPUT_FILE}")+ return++ print(f"\n📄 输入文件: {INPUT_FILE.name}")+ print(f"🎯 使用模板: {TEMPLATE.__name__}")++ # 初始化 LLM 客户端+ print("\n🔧 初始化 LLM 客户端...")+ try:+ llm = ChatOpenAI(+ model="gpt-4o-mini",+ temperature=0,+ )+ embedder = OpenAIEmbeddings(model="text-embedding-3-small")+ print("✅ LLM 客户端初始化成功")+ except Exception as e:+ print(f"❌ LLM 客户端初始化失败: {e}")+ print("💡 请确保您已经正确设置了 OPENAI_API_KEY 环境变量")+ return++ # 读取输入文件内容+ print("\n📖 读取文件内容...")+ with open(INPUT_FILE, "r", encoding="utf-8") as f:+ content = f.read()+ print(f"✅ 读取成功,共 {len(content)} 字符")++ # 初始化模板并进行知识提取+ print("\n🧠 开始知识提取...")+ try:+ # 初始化模板+ template = TEMPLATE(+ llm_client=llm,+ embedder=embedder,+ verbose=True,+ )++ # 喂入文本+ template.feed_text(content)+ print("✅ 知识提取完成")++ # 展示结果+ template.build_index()+ print("\n" + "=" * 60)+ print("📊 提取结果展示")+ print("=" * 60)+ template.show()++ except Exception as e:+ print(f"❌ 知识提取失败: {e}")+ import traceback++ traceback.print_exc()+++if __name__ == "__main__":+ main()diff --git a/examples/template_literature_demo.py b/examples/template_literature_demo.pynew file mode 100644index 0000000..9587982--- /dev/null+++ b/examples/template_literature_demo.py@@ -0,0 +1,152 @@+"""+文学与影视知识模板测试演示++这个文件用于测试 hyperextract 文学与影视领域的所有知识模板。+只需要选择模板,程序会自动匹配对应的输入文件。++使用方法:+1. 选择知识模板(修改 TEMPLATE 变量)+2. 运行文件:python examples/template_literature_demo.py+"""++import os+import sys++# Add project root to path+sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))++from pathlib import Path+from dotenv import load_dotenv++# 导入所有文学与影视知识模板+from hyperextract.templates.zh.literature import (+ # 影视剧本模板+ SceneEventHypergraph,+ NarrativeTimeline,+ # 长篇小说模板+ ComplexCharacterRelation,+ StoryEntityGraph,+ NarrativeEventChain,+ # 文学评论模板+ MotifAssociationNet,+ CritiqueArgumentHypergraph,+ NarrativeStructureTree,+)++# 导入必要的 LLM 客户端+from langchain_openai import ChatOpenAI, OpenAIEmbeddings+++# ==========================================+# 配置:模板与输入文件自动映射+# ==========================================++# 测试文件根目录+TEST_SAMPLES_ROOT = Path(__file__).parent.parent / "tests" / "fixtures" / "test_samples" / "zh" / "literature"++# 模板到输入文件的映射关系(根据 README 中的典型应用场景)+TEMPLATE_TO_INPUT = {+ # 影视剧本模板+ SceneEventHypergraph: TEST_SAMPLES_ROOT / "screenplay_zhenhuan.md",+ NarrativeTimeline: TEST_SAMPLES_ROOT / "screenplay_zhenhuan.md",+ # 长篇小说模板+ ComplexCharacterRelation: TEST_SAMPLES_ROOT / "novel_langya.md",+ StoryEntityGraph: TEST_SAMPLES_ROOT / "novel_langya.md",+ NarrativeEventChain: TEST_SAMPLES_ROOT / "novel_langya.md",+ # 文学评论模板+ MotifAssociationNet: TEST_SAMPLES_ROOT / "critique_zhenhuan.md",+ CritiqueArgumentHypergraph: TEST_SAMPLES_ROOT / "critique_zhenhuan.md",+ NarrativeStructureTree: TEST_SAMPLES_ROOT / "critique_zhenhuan.md",+}++# ==========================================+# 选择知识模板(只需要修改这一行)+# ==========================================++# 影视剧本模板+# TEMPLATE = SceneEventHypergraph # 场景事件超图+TEMPLATE = NarrativeTimeline # 叙事时序图++# 长篇小说模板+# TEMPLATE = ComplexCharacterRelation # 复杂人物关系网+# TEMPLATE = StoryEntityGraph # 故事实体图谱+# TEMPLATE = NarrativeEventChain # 叙事事件链++# 文学评论模板+# TEMPLATE = MotifAssociationNet # 意象关联网络+# TEMPLATE = CritiqueArgumentHypergraph # 评论论证超图+# TEMPLATE = NarrativeStructureTree # 叙事结构树++# 自动获取对应的输入文件+INPUT_FILE = TEMPLATE_TO_INPUT[TEMPLATE]+++def main():+ """+ 主函数:执行知识提取和展示流程+ """+ print("=" * 60)+ print("文学与影视知识模板测试演示")+ print("=" * 60)++ # 加载环境变量+ load_dotenv()++ # 验证输入文件是否存在+ if not INPUT_FILE.exists():+ print(f"❌ 错误:找不到文件 {INPUT_FILE}")+ return++ print(f"\n📄 输入文件: {INPUT_FILE.name}")+ print(f"🎯 使用模板: {TEMPLATE.__name__}")++ # 初始化 LLM 客户端+ print("\n🔧 初始化 LLM 客户端...")+ try:+ llm = ChatOpenAI(+ model="gpt-4o-mini",+ temperature=0,+ )+ embedder = OpenAIEmbeddings(model="text-embedding-3-small")+ print("✅ LLM 客户端初始化成功")+ except Exception as e:+ print(f"❌ LLM 客户端初始化失败: {e}")+ print("💡 请确保您已经正确设置了 OPENAI_API_KEY 环境变量")+ return++ # 读取输入文件内容+ print("\n📖 读取文件内容...")+ with open(INPUT_FILE, "r", encoding="utf-8") as f:+ content = f.read()+ print(f"✅ 读取成功,共 {len(content)} 字符")++ # 初始化模板并进行知识提取+ print("\n🧠 开始知识提取...")+ try:+ # 初始化模板+ template = TEMPLATE(+ llm_client=llm,+ embedder=embedder,+ verbose=True,+ )++ # 喂入文本+ template.feed_text(content)+ print("✅ 知识提取完成")++ # 展示结果+ template.build_index()+ print("\n" + "=" * 60)+ print("📊 提取结果展示")+ print("=" * 60)+ template.show()++ except Exception as e:+ print(f"❌ 知识提取失败: {e}")+ import traceback++ traceback.print_exc()+++if __name__ == "__main__":+ main()diff --git a/hyperextract/templates/zh/__init__.py b/hyperextract/templates/zh/__init__.pyindex 75fedc0..4f6097f 100644--- a/hyperextract/templates/zh/__init__.py+++ b/hyperextract/templates/zh/__init__.py@@ -116,6 +116,37 @@ from .tcm import (PulseTongueRecord,)+from .literature import (+ # 影视剧本模板+ SceneEventHypergraph,+ NarrativeTimeline,+ # 长篇小说模板+ ComplexCharacterRelation,+ StoryEntityGraph,+ NarrativeEventChain,+ # 文学评论模板+ MotifAssociationNet,+ CritiqueArgumentHypergraph,+ NarrativeStructureTree,+)++from .legal import (+ # 法学专著与评注+ LegalConceptOntology,+ CaseLawCitationNet,+ # 主服务协议+ ContractObligationHypergraph,+ DefinedTermRegistry,+ LiabilityClauseList,+ # 法院判决书+ CaseFactTimeline,+ AdjudicationLogic,+ LitigationParticipantMap,+ # 合规申报文件+ ComplianceRequirementList,+ BeneficialOwnershipGraph,+)+__all__ = [# General"KnowledgeGraph",@@ -211,4 +242,24 @@ __all__ = ["BiochemicalReactionHypergraph","RegulatoryNetwork","BiodiversityRegistry",+ # Literature+ "SceneEventHypergraph",+ "NarrativeTimeline",+ "ComplexCharacterRelation",+ "StoryEntityGraph",+ "NarrativeEventChain",+ "MotifAssociationNet",+ "CritiqueArgumentHypergraph",+ "NarrativeStructureTree",+ # Legal+ "LegalConceptOntology",+ "CaseLawCitationNet",+ "ContractObligationHypergraph",+ "DefinedTermRegistry",+ "LiabilityClauseList",+ "CaseFactTimeline",+ "AdjudicationLogic",+ "LitigationParticipantMap",+ "ComplianceRequirementList",+ "BeneficialOwnershipGraph",]diff --git a/hyperextract/templates/zh/legal/__init__.py b/hyperextract/templates/zh/legal/__init__.pyindex e69de29..81e511f 100644--- a/hyperextract/templates/zh/legal/__init__.py+++ b/hyperextract/templates/zh/legal/__init__.py@@ -0,0 +1,40 @@+"""+法律领域模板,用于从法律文档中提取结构化知识。++包含法学专著、合同文书、法院判决书、合规申报文件等模板。+"""++# 法学专著与评注+from .legal_concept_ontology import LegalConceptOntology+from .case_law_citation_net import CaseLawCitationNet++# 主服务协议+from .contract_obligation_hypergraph import ContractObligationHypergraph+from .defined_term_registry import DefinedTermRegistry+from .liability_clause_list import LiabilityClauseList++# 法院判决书+from .case_fact_timeline import CaseFactTimeline+from .adjudication_logic import AdjudicationLogic+from .litigation_participant_map import LitigationParticipantMap++# 合规申报文件+from .compliance_requirement_list import ComplianceRequirementList+from .beneficial_ownership_graph import BeneficialOwnershipGraph++__all__ = [+ # 法学专著与评注+ "LegalConceptOntology",+ "CaseLawCitationNet",+ # 主服务协议+ "ContractObligationHypergraph",+ "DefinedTermRegistry",+ "LiabilityClauseList",+ # 法院判决书+ "CaseFactTimeline",+ "AdjudicationLogic",+ "LitigationParticipantMap",+ # 合规申报文件+ "ComplianceRequirementList",+ "BeneficialOwnershipGraph",+]diff --git a/hyperextract/templates/zh/legal/adjudication_logic.py b/hyperextract/templates/zh/legal/adjudication_logic.pynew file mode 100644index 0000000..8ff813e--- /dev/null+++ b/hyperextract/templates/zh/legal/adjudication_logic.py@@ -0,0 +1,205 @@+"""裁判逻辑超图 - 建模法官的推理过程。++适用于法院判决书、仲裁裁决书等法律文书。+"""++from typing import Any, List+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoHypergraph+++class AdjudicationElement(BaseModel):+ """裁判要素节点"""+ name: str = Field(description="要素名称")+ category: str = Field(+ description="要素类型:事实认定、法律依据、裁判结论、主旨、证据、其他"+ )+ description: str = Field(description="简要描述", default="")+++class AdjudicationLogicEdge(BaseModel):+ """裁判逻辑超边"""+ logic_type: str = Field(+ description="推理类型:事实认定、法律适用、因果认定、责任认定、金额计算、其他"+ )+ participants: List[str] = Field(+ description="参与要素名称列表,必须使用已提取节点的 name"+ )+ reasoning: str = Field(+ description="推理过程描述,从事实到结论的逻辑推导"+ )+ conclusion: str = Field(description="推理结论")+ source_clause: str = Field(description="裁判文书的章节位置", default="")+++_PROMPT = """## 角色与任务+你是一位专业的法律工作者,请从判决书中提取裁判要素和法官的推理逻辑。++## 核心概念定义+- **节点 (Node)**:构成裁判逻辑的基本要素,包括六类:+ - **事实认定**:法院查明的事实(如协议签订、款项支付等)+ - **法律依据**:适用的法律条文(如《民法典》第X条)+ - **裁判结论**:法院的最终判定(如确认协议无效、支付违约金等)+ - **主旨**:法律条文的核心要义+ - **证据**:证明事实的证据材料+ - **其他**:不属于上述类别的要素+- **边 (Edge)**:即"裁判逻辑",连接多个节点,表达"认定事实 + 适用法律 -> 裁判结论"的推理过程++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的要素,禁止将多个要素合并为一个节点+2. 要素名称与原文保持一致+3. 仅从已提取节点创建裁判逻辑++### 节点提取+1. 提取判决书中涉及的裁判要素作为节点+2. 为每个要素指定类型+3. 为每个要素添加简要描述++### 超边提取+1. 逻辑类型:事实认定、法律适用、因果认定、责任认定、金额计算、其他+2. 超边必须包含 logic_type、participants、reasoning、conclusion+3. participants 必须严格使用已提取节点的名称++### 源文本:+"""++_NODE_PROMPT = """## 角色与任务+请从判决书中提取裁判相关要素作为节点。++## 核心概念定义+- **节点 (Node)**:构成裁判逻辑的基本要素,包括六类:+ - **事实认定**:法院查明的事实+ - **法律依据**:适用的法律条文+ - **裁判结论**:法院的最终判定+ - **主旨**:法律条文的核心要义+ - **证据**:证明事实的证据材料+ - **其他**:不属于上述类别的要素++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的要素,禁止将多个要素合并为一个节点+2. 要素名称与原文保持一致++### 节点提取+1. 提取判决书中涉及的裁判要素作为节点+2. 为每个要素指定类型+3. 为每个要素添加简要描述++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知节点列表中提取裁判逻辑超边。++## 核心概念定义+- **节点 (Node)**:构成裁判逻辑的基本要素,作为超边的参与者+- **边 (Edge)**:即"裁判逻辑",连接多个节点,表达"认定事实 + 适用法律 -> 裁判结论"的推理过程++## 提取规则+### 核心约束+1. participants 必须严格使用已知节点列表中的名称,不要创建新名称+2. 超边必须包含 logic_type、participants、reasoning、conclusion+3. participants 应包含事实认定、法律依据、裁判结论等相关要素++### 逻辑类型说明+- **事实认定**:从证据推导出事实+- **法律适用**:将法律条文适用于具体事实+- **因果认定**:认定行为与损害之间的因果关系+- **责任认定**:认定当事人应承担的责任+- **金额计算**:计算具体的赔偿金额+- **其他**:不属于上述类型的推理++"""+++class AdjudicationLogic(AutoHypergraph[AdjudicationElement, AdjudicationLogicEdge]):+ """+ 适用文档: 法院判决书、仲裁裁决书++ 功能介绍:+ 建模法官的推理过程:{认定事实 + 适用法律 -> 裁判结论}。+ 适用于类案推送、判决预测辅助等应用场景。++ 设计说明:+ - 节点(AdjudicationElement):存储裁判要素信息,包括名称、类型、描述+ - 边(AdjudicationLogicEdge):存储完整的裁判推理逻辑++ Example:+ >>> template = AdjudicationLogic(llm_client=llm, embedder=embedder)+ >>> template.feed_text("判决书内容...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化裁判逻辑超图模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=AdjudicationElement,+ edge_schema=AdjudicationLogicEdge,+ node_key_extractor=lambda x: x.name.strip(),+ edge_key_extractor=lambda x: f"{x.logic_type}_{x.conclusion.strip()}",+ nodes_in_edge_extractor=lambda x: tuple(x.participants),+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示裁判逻辑超图。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: AdjudicationElement) -> str:+ return f"{node.name}({node.category})"++ def edge_label_extractor(edge: AdjudicationLogicEdge) -> str:+ return f"[{edge.logic_type}] {edge.conclusion}"++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/legal/beneficial_ownership_graph.py b/hyperextract/templates/zh/legal/beneficial_ownership_graph.pynew file mode 100644index 0000000..123256a--- /dev/null+++ b/hyperextract/templates/zh/legal/beneficial_ownership_graph.py@@ -0,0 +1,196 @@+"""受益所有权图谱 - 穿透多层股权结构,识别最终受益人和控制人。++适用于反洗钱申报文件、公司股权结构说明、受益所有人识别报告等。+"""++from typing import Any, Optional+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoGraph+++class OwnershipNode(BaseModel):+ """股权节点"""+ entity_name: str = Field(description="实体名称,如公司名、人名")+ entity_type: str = Field(+ description="实体类型:公司、自然人、基金、合伙企业、境外特殊目的公司"+ )+ description: Optional[str] = Field(description="简要描述,如持股比例、职务", default=None)+++class OwnershipRelationEdge(BaseModel):+ """股权关系边"""+ source: str = Field(description="源实体名称")+ target: str = Field(description="目标实体名称")+ relation_type: str = Field(+ description="关系类型:控股、参股、担任董事、执行事务合伙人、实际控制、配偶关系等"+ )+ shareholding_ratio: Optional[str] = Field(+ description="持股比例或出资比例,如35%、1%、XX%",+ default=None+ )+ description: Optional[str] = Field(description="关系描述,如通过多层持股结构控制", default=None)+++_NODE_PROMPT = """## 角色与任务+你是一位专业的反洗钱合规专员,请从文本中提取股权结构相关的实体作为节点。++## 核心概念定义+- **节点 (Node)**:股权结构中的实体+- **边 (Edge)**:实体之间的股权或控制关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致++### 领域特定规则+- 实体类型:公司、自然人、基金、合伙企业、境外特殊目的公司+- 包含股东、合伙人、高管、实际控制人等++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知实体列表中提取股权或控制关系。++## 核心概念定义+- **节点 (Node)**:股权结构中的实体+- **边 (Edge)**:实体之间的股权或控制关系++## 提取规则+### 核心约束+1. 仅从已知实体列表中提取边,不要创建未列出的实体+2. 关系描述应与原文保持一致++### 关系类型+- **控股**:持有50%以上股份或出资额+- **参股**:持有一定比例股份但不构成控股+- **担任董事**:在公司担任董事职务+- **执行事务合伙人**:执行合伙事务+- **实际控制**:通过协议或其他安排实现实际控制+- **配偶关系**:夫妻关系+- **其他关系**:如父子、兄弟、姐妹等++"""++_PROMPT = """## 角色与任务+你是一位专业的反洗钱合规专员,请从文本中提取股权结构和受益所有权信息。++## 核心概念定义+- **节点 (Node)**:股权结构中的实体+- **边 (Edge)**:实体之间的股权或控制关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致+3. 仅从已知实体列表中提取边,不要创建未列出的实体+4. 关系描述应与原文保持一致++### 实体类型+- 公司、自然人、基金、合伙企业、境外特殊目的公司++### 关系类型+- 控股、参股、担任董事、执行事务合伙人、实际控制、配偶关系等++### 源文本:+"""+++class BeneficialOwnershipGraph(AutoGraph[OwnershipNode, OwnershipRelationEdge]):+ """+ 适用文档: 反洗钱申报文件、公司股权结构说明、受益所有人识别报告++ 功能介绍:+ 穿透多层股权结构,识别最终受益人和控制人。+ 适用于反洗钱、制裁筛查等应用场景。++ 设计说明:+ - 节点(OwnershipNode):存储股权实体信息,包括名称、类型、描述+ - 边(OwnershipRelationEdge):存储股权或控制关系++ Example:+ >>> template = BeneficialOwnershipGraph(llm_client=llm, embedder=embedder)+ >>> template.feed_text("公司股权结构说明...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ chunk_size: int = 2048,+ chunk_overlap: int = 256,+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化受益所有权图谱模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ chunk_size: 每个分块的最大字符数,默认为 2048+ chunk_overlap: 分块之间的重叠字符数,默认为 256+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=OwnershipNode,+ edge_schema=OwnershipRelationEdge,+ node_key_extractor=lambda x: x.entity_name.strip(),+ edge_key_extractor=lambda x: f"{x.source.strip()}|{x.relation_type}|{x.target.strip()}",+ nodes_in_edge_extractor=lambda x: (x.source.strip(), x.target.strip()),+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ chunk_size=chunk_size,+ chunk_overlap=chunk_overlap,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示受益所有权图谱。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: OwnershipNode) -> str:+ return f"{node.entity_name}({node.entity_type})"++ def edge_label_extractor(edge: OwnershipRelationEdge) -> str:+ ratio = f" {edge.shareholding_ratio}" if edge.shareholding_ratio else ""+ return f"{edge.relation_type}{ratio}"++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/legal/case_fact_timeline.py b/hyperextract/templates/zh/legal/case_fact_timeline.pynew file mode 100644index 0000000..6a28057--- /dev/null+++ b/hyperextract/templates/zh/legal/case_fact_timeline.py@@ -0,0 +1,209 @@+"""案件事实时序图 - 展示法律关系的变化过程。++从判决书的事实认定部分提取实体和法律行为,还原法律关系的时间演变。+"""++from typing import Any, Optional+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoTemporalGraph+++class LegalEntityNode(BaseModel):+ """法律实体节点"""+ name: str = Field(description="实体名称,如原告、被告、合同、金钱、股权等")+ entity_type: str = Field(+ description="实体类型:当事人、合同/协议、金钱、股权、证物、其他"+ )+ description: Optional[str] = Field(description="简要描述", default=None)+++class LegalEventEdge(BaseModel):+ """法律事件边"""+ source: str = Field(description="源实体名称")+ target: str = Field(description="目标实体名称")+ event: str = Field(+ description="法律行为或事件,如签订协议、支付投资款、分配红利、提起诉讼等"+ )+ time_info: str = Field(+ description="时间信息,统一格式为年-月-日(如2021-03-15)或年月(如2021-03)"+ )+ description: Optional[str] = Field(description="事件详细描述", default=None)+++_NODE_PROMPT = """## 角色与任务+你是一位专业的法律工作者,请从文本中提取案件相关的法律实体作为节点。++## 核心概念定义+- **节点 (Node)**:案件中的法律实体+- **边 (Edge)**:法律实体之间的法律行为(带时间)++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致++### 领域特定规则+- 实体类型:当事人、合同/协议、金钱、股权、证物、其他+- 当事人:原告、被告、第三人、法定代表人、委托诉讼代理人+- 合同/协议:战略合作协议、补充协议、收益分配说明函等+- 金钱:投资款、红利、违约金等+- 股权:股份、股权等++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知实体列表中提取法律实体之间的法律行为(事件)。++## 核心概念定义+- **节点 (Node)**:案件中的法律实体+- **边 (Edge)**:法律实体之间的法律行为(带时间)++## 提取规则+### 核心约束+1. 仅从已知实体列表中提取边,不要创建未列出的实体+2. 关系描述应与原文保持一致++### 法律行为+- 常见的法律行为:签订协议、支付投资款、完成登记、召开股东会、分配红利、发送函件、提起诉讼等+- 每个边表示一个法律行为,连接相关实体++### 时间解析规则+当前观察日期: {observation_time}++1. 相对时间解析(基于观察日期)+2. 精确时间 → 转换为标准格式年-月-日+3. 时间缺失 → 留空++### 已知实体列表:+"""++_PROMPT = """## 角色与任务+你是一位专业的法律工作者,请从文本中提取案件相关的法律实体以及它们之间的法律行为。++## 核心概念定义+- **节点 (Node)**:案件中的法律实体+- **边 (Edge)**:法律实体之间的法律行为(带时间)++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致+3. 仅从已知实体列表中提取边,不要创建未列出的实体+4. 关系描述应与原文保持一致++### 实体类型+- 当事人:原告、被告、第三人、法定代表人、委托诉讼代理人+- 合同/协议:战略合作协议、补充协议、收益分配说明函等+- 金钱:投资款、红利、违约金等+- 股权:股份、股权等++### 法律行为+- 签订协议、支付投资款、完成登记、召开股东会、分配红利、发送函件、提起诉讼等++### 时间解析规则+当前观察日期: {observation_time}++1. 相对时间解析(基于观察日期)+2. 精确时间 → 转换为标准格式年-月-日+3. 时间缺失 → 留空++### 源文本:+"""+++class CaseFactTimeline(AutoTemporalGraph[LegalEntityNode, LegalEventEdge]):+ """+ 适用文档: 法院判决书、仲裁裁决书++ 功能介绍:+ 从判决书的"经审理查明"或"案件事实"部分提取实体和法律行为,+ 展示法律关系随时间的变化过程。适用于案情复盘、证据链梳理等应用场景。++ 设计说明:+ - 节点(LegalEntityNode):存储法律实体信息,包括名称、类型、描述+ - 边(LegalEventEdge):存储法律行为及时间,连接相关实体++ Example:+ >>> template = CaseFactTimeline(llm_client=llm, embedder=embedder)+ >>> template.feed_text("判决书事实认定部分...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ observation_time: str = "2024-06-15",+ extraction_mode: str = "two_stage",+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化案件事实时序图模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ observation_time: 观察时间,用于解析相对时间表达,默认2024-06-15+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=LegalEntityNode,+ edge_schema=LegalEventEdge,+ node_key_extractor=lambda x: x.name.strip(),+ edge_key_extractor=lambda x: f"{x.source.strip()}|{x.event}|{x.target.strip()}",+ time_in_edge_extractor=lambda x: x.time_info or "",+ nodes_in_edge_extractor=lambda x: (x.source.strip(), x.target.strip()),+ llm_client=llm_client,+ embedder=embedder,+ observation_time=observation_time,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示案件事实时序图。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: LegalEntityNode) -> str:+ return f"{node.name}({node.entity_type})"++ def edge_label_extractor(edge: LegalEventEdge) -> str:+ time_str = f" [{edge.time_info}]" if edge.time_info else ""+ return f"{edge.event}{time_str}"++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/legal/case_law_citation_net.py b/hyperextract/templates/zh/legal/case_law_citation_net.pynew file mode 100644index 0000000..a4185a4--- /dev/null+++ b/hyperextract/templates/zh/legal/case_law_citation_net.py@@ -0,0 +1,185 @@+"""判例引用网络 - 映射案件之间的引用、先例区分或先例推翻关系。++适用于判例研究、案例汇编、法律评注等文本。+"""++from typing import Any, Optional+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoGraph+++class CaseNode(BaseModel):+ """判例节点"""+ case_name: str = Field(description="案件名称或案号,如指导案例140号、民法典第1165条")+ case_type: str = Field(description="案件类型:指导案例、公报案例、普通案例、司法解释、法律条文")+ court: Optional[str] = Field(description="审理法院", default=None)+ description: Optional[str] = Field(description="案件简要描述", default=None)+++class CaseCitationEdge(BaseModel):+ """判例引用关系边"""+ source: str = Field(description="源案件名称")+ target: str = Field(description="被引用案件名称")+ citation_type: str = Field(+ description="引用类型:引用、依据、先例区分、先例推翻、参考、类案"+ )+ description: Optional[str] = Field(description="引用关系的具体描述", default=None)+++_NODE_PROMPT = """## 角色与任务+你是一位专业的法学专家,请从文本中提取所有判例作为节点。++## 核心概念定义+- **节点 (Node)**:从文档中提取的判例或法律条文+- **边 (Edge)**:判例之间的引用或关联关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的判例,禁止将多个判例合并为一个节点+2. 判例名称与原文保持一致++### 领域特定规则+- 案件类型:指导案例、公报案例、普通案例、司法解释、法律条文+- 常见表达:"根据《民法典》第X条"、"指导案例XX号"、"本案确立了..."++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知判例列表中提取判例之间的引用或关联关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的判例或法律条文+- **边 (Edge)**:判例之间的引用或关联关系++## 提取规则+### 核心约束+1. 仅从已知判例列表中提取边,不要创建未列出的判例+2. 关系描述应与原文保持一致++### 关系类型+- 引用:后案引用前案作为裁判依据+- 依据:后案以前案确立的规则为法律依据+- 先例区分:后案认为前案与本案情形不同,不适用前案规则+- 先例推翻:后案推翻前案确立的规则+- 参考:后案参考前案的裁判思路+- 类案:后案与前案属于同类案件++"""++_PROMPT = """## 角色与任务+你是一位专业的法学专家,请从文本中提取所有判例以及它们之间的引用或关联关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的判例或法律条文+- **边 (Edge)**:判例之间的引用或关联关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的判例,禁止将多个判例合并为一个节点+2. 判例名称与原文保持一致+3. 仅从已知判例列表中提取边,不要创建未列出的判例+4. 关系描述应与原文保持一致++### 关系类型+- 引用:后案引用前案作为裁判依据+- 依据:后案以前案确立的规则为法律依据+- 先例区分:后案认为前案与本案情形不同+- 先例推翻:后案推翻前案确立的规则+- 参考:后案参考前案的裁判思路+- 类案:后案与前案属于同类案件++### 源文本:+"""+++class CaseLawCitationNet(AutoGraph[CaseNode, CaseCitationEdge]):+ """+ 适用文档: 判例研究、案例汇编、法律评注、司法解释理解与适用++ 功能介绍:+ 映射案件之间的引用、先例区分或先例推翻关系,+ 支持判例法研究、类案检索等应用场景。++ 设计说明:+ - 节点(CaseNode):存储判例信息,包括名称、类型、法院、描述+ - 边(CaseCitationEdge):存储判例间的引用关系++ Example:+ >>> template = CaseLawCitationNet(llm_client=llm, embedder=embedder)+ >>> template.feed_text("指导案例140号确立了...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化判例引用网络模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=CaseNode,+ edge_schema=CaseCitationEdge,+ node_key_extractor=lambda x: x.case_name.strip(),+ edge_key_extractor=lambda x: f"{x.source.strip()}|{x.citation_type}|{x.target.strip()}",+ nodes_in_edge_extractor=lambda x: (x.source.strip(), x.target.strip()),+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示判例引用网络图。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: CaseNode) -> str:+ return f"{node.case_name}({node.case_type})"++ def edge_label_extractor(edge: CaseCitationEdge) -> str:+ return edge.citation_type++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/legal/compliance_requirement_list.py b/hyperextract/templates/zh/legal/compliance_requirement_list.pynew file mode 100644index 0000000..7af9cf1--- /dev/null+++ b/hyperextract/templates/zh/legal/compliance_requirement_list.py@@ -0,0 +1,131 @@+"""合规要求清单 - 提取文件中承诺遵守的具体义务或整改措施。++适用于反洗钱申报文件、合规审计报告、监管申报材料等。+"""++from typing import Any, Optional+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoList+++class ComplianceRequirement(BaseModel):+ """合规要求"""+ requirement_type: str = Field(+ description="要求类型:客户身份识别、受益所有权识别、可疑交易报告、大额交易报告、客户风险分类、反洗钱培训、整改措施、其他"+ )+ requirement_name: str = Field(description="要求名称或简要描述")+ content: str = Field(description="要求的详细内容")+ compliance_status: str = Field(+ description="合规状态:已合规、持续改进、待整改、已整改"+ )+ deadline: Optional[str] = Field(+ description="完成期限,如2025年6月30日",+ default=None+ )+ responsible_department: Optional[str] = Field(+ description="责任部门",+ default=None+ )+++_PROMPT = """## 角色与任务+你是一位专业的合规专员,请从反洗钱合规申报文件中提取所有合规要求。++## 提取规则+1. 提取文件中承诺遵守的具体义务或整改措施+2. 为每项要求指定类型:客户身份识别、受益所有权识别、可疑交易报告、大额交易报告、客户风险分类、反洗钱培训、整改措施、其他+3. 记录合规状态:已合规、持续改进、待整改、已整改+4. 记录完成期限和责任部门(如果有)++### 要求类型说明+- **客户身份识别**:客户身份识别相关要求+- **受益所有权识别**:受益所有权识别相关要求+- **可疑交易报告**:可疑交易监测和报告要求+- **大额交易报告**:大额交易报告要求+- **客户风险分类**:客户风险等级分类要求+- **反洗钱培训**:反洗钱培训要求+- **整改措施**:针对监管检查问题的整改承诺++### 约束条件+- 每项合规要求作为独立条目提取+- 保持内容与原文一致++### 源文本:+"""+++class ComplianceRequirementList(AutoList[ComplianceRequirement]):+ """+ 适用文档: 反洗钱申报文件、合规审计报告、监管申报材料++ 功能介绍:+ 提取文件中承诺遵守的具体义务或整改措施。+ 适用于合规差距分析、监管应对等应用场景。++ 设计说明:+ - 元素(ComplianceRequirement):存储合规要求信息,包括类型、名称、内容、状态、期限、部门++ Example:+ >>> template = ComplianceRequirementList(llm_client=llm, embedder=embedder)+ >>> template.feed_text("合规申报文件内容...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ chunk_size: int = 2048,+ chunk_overlap: int = 256,+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化合规要求清单模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ chunk_size: 每个分块的最大字符数,默认为 2048+ chunk_overlap: 分块之间的重叠字符数,默认为 256+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ item_schema=ComplianceRequirement,+ llm_client=llm_client,+ embedder=embedder,+ prompt=_PROMPT,+ chunk_size=chunk_size,+ chunk_overlap=chunk_overlap,+ max_workers=max_workers,+ verbose=verbose,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_for_search: int = 3,+ top_k_for_chat: int = 3,+ ):+ """+ 展示合规要求清单。++ Args:+ top_k_for_search: 语义检索返回的条目数量,默认为 3+ top_k_for_chat: 问答使用的条目数量,默认为 3+ """+ def item_label_extractor(item: ComplianceRequirement) -> str:+ return f"[{item.compliance_status}] {item.requirement_name}"++ super().show(+ item_label_extractor=item_label_extractor,+ top_k_for_search=top_k_for_search,+ top_k_for_chat=top_k_for_chat,+ )diff --git a/hyperextract/templates/zh/legal/contract_obligation_hypergraph.py b/hyperextract/templates/zh/legal/contract_obligation_hypergraph.pynew file mode 100644index 0000000..0c8c865--- /dev/null+++ b/hyperextract/templates/zh/legal/contract_obligation_hypergraph.py@@ -0,0 +1,231 @@+"""合同义务超图 - 建模复杂的条件性义务。++适用于主服务协议、劳动合同、采购合同等商业合同文本。+"""++from typing import Any, List+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoHypergraph+++class ContractElement(BaseModel):+ """合同要素节点"""+ name: str = Field(description="要素名称,文本中出现的精确名称")+ category: str = Field(+ description="要素类型:主体、义务、触发条件、例外情形、违约责任、其他"+ )+ description: str = Field(description="简要描述", default="")+++class ContractObligationEdge(BaseModel):+ """合同义务超边"""+ obligation_type: str = Field(+ description="义务类型:支付义务、交付义务、保密义务、竞业限制、售后服务、其他"+ )+ participants: List[str] = Field(+ description="参与要素名称列表,必须使用已提取节点的 name"+ )+ trigger_condition: str = Field(+ description="触发条件,如合同签订后、验收合格后、违约行为发生时等",+ default=""+ )+ exception: str = Field(+ description="例外情形,如不可抗力、对方违约在先等",+ default=""+ )+ liability: str = Field(+ description="违约责任,如支付违约金、赔偿损失、解除合同等",+ default=""+ )+ source_clause: str = Field(description="义务来源条款编号或名称", default="")+++_PROMPT = """## 角色与任务+你是一位专业的合同法律师,请从文本中提取合同要素和合同义务。++## 核心概念定义+- **节点 (Node)**:构成合同义务的基本要素,包括六类:+ - **主体**:合同的当事人(甲方、乙方、委托方、服务方等)+ - **义务**:具体需要执行的行为(支付、交付、保密、培训等)+ - **触发条件**:义务生效或履行的前提条件(合同签订后、验收合格后等)+ - **例外情形**:义务免除或减轻的情形(不可抗力、对方违约等)+ - **违约责任**:违反义务的后果(违约金、赔偿损失、解除合同等)+ - **其他**:不属于上述类别的要素(验收标准、付款方式等)+- **边 (Edge)**:即"合同义务",连接多个节点,表达"在何种条件下,主体应履行何种义务,例外情形及违约责任"的完整逻辑++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的要素,禁止将多个要素合并为一个节点+2. 要素名称与原文保持一致+3. 仅从已提取节点创建合同义务++### 节点提取+1. 提取合同中涉及的要素作为节点+2. 为每个要素指定类型+3. 为每个要素添加简要描述++### 超边提取+1. 义务类型:支付义务、交付义务、保密义务、竞业限制、售后服务、其他+2. 超边必须包含 obligation_type、participants+3. participants 必须严格使用已提取节点的名称++### 源文本:+"""++_NODE_PROMPT = """## 角色与任务+请从文本中提取合同相关要素作为节点。++## 核心概念定义+- **节点 (Node)**:构成合同义务的基本要素,包括六类:+ - **主体**:合同的当事人(甲方、乙方、委托方、服务方等)+ - **义务**:具体需要执行的行为(支付、交付、保密、培训等)+ - **触发条件**:义务生效或履行的前提条件(合同签订后、验收合格后等)+ - **例外情形**:义务免除或减轻的情形(不可抗力、对方违约等)+ - **违约责任**:违反义务的后果(违约金、赔偿损失、解除合同等)+ - **其他**:不属于上述类别的要素(验收标准、付款方式等)++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的要素,禁止将多个要素合并为一个节点+2. 要素名称与原文保持一致++### 节点提取+1. 提取合同中涉及的要素作为节点+2. 为每个要素指定类型+3. 为每个要素添加简要描述(1-2句话)++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知节点列表中提取合同义务超边。++## 核心概念定义+- **节点 (Node)**:构成合同义务的基本要素,作为超边的参与者+- **边 (Edge)**:即"合同义务",连接多个节点,表达完整的合同义务逻辑++## 提取规则+### 核心约束+1. participants 必须严格使用已知节点列表中的名称,不要创建新名称+2. 超边必须包含 obligation_type、participants+3. participants 应包含涉及的主体、义务及相关要素++### 义务类型说明+- **支付义务**:支付款项的义务+- **交付义务**:交付产品、工作成果的义务+- **保密义务**:保护商业秘密的义务+- **竞业限制**:限制从事同类业务的义务+- **售后服务**:提供后续服务的义务+- **其他**:不属于上述类别的义务++### 触发条件+- 合同签订后X个工作日内+- 验收合格后X日内+- 违约行为发生时+- 质保期满后++### 违约责任+- 支付违约金+- 赔偿损失+- 解除合同+- 返还已付款项++"""+++class ContractObligationHypergraph(AutoHypergraph[ContractElement, ContractObligationEdge]):+ """+ 适用文档: 主服务协议(MSA)、劳动合同、采购合同、技术合同++ 功能介绍:+ 建模复杂的条件性义务:{主体, 义务, 触发条件, 例外情形, 违约责任}。+ 适用于同时履行抗辩权分析、合同审查等应用场景。++ 设计说明:+ - 节点(ContractElement):存储合同要素信息,包括名称、类型、描述+ - 边(ContractObligationEdge):存储合同义务的完整逻辑++ Example:+ >>> template = ContractObligationHypergraph(llm_client=llm, embedder=embedder)+ >>> template.feed_text("合同条款内容...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ chunk_size: int = 2048,+ chunk_overlap: int = 256,+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化合同义务超图模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ chunk_size: 每个分块的最大字符数,默认为 2048+ chunk_overlap: 分块之间的重叠字符数,默认为 256+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=ContractElement,+ edge_schema=ContractObligationEdge,+ node_key_extractor=lambda x: x.name.strip(),+ edge_key_extractor=lambda x: f"{x.obligation_type}_{'_'.join(sorted(x.participants))}",+ nodes_in_edge_extractor=lambda x: tuple(x.participants),+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ chunk_size=chunk_size,+ chunk_overlap=chunk_overlap,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示合同义务超图。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: ContractElement) -> str:+ return f"{node.name}({node.category})"++ def edge_label_extractor(edge: ContractObligationEdge) -> str:+ return f"[{edge.obligation_type}] {edge.liability or edge.trigger_condition or ''}"++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/legal/defined_term_registry.py b/hyperextract/templates/zh/legal/defined_term_registry.pynew file mode 100644index 0000000..f68b3c5--- /dev/null+++ b/hyperextract/templates/zh/legal/defined_term_registry.py@@ -0,0 +1,118 @@+"""术语定义表 - 去重并汇总合同中定义的所有专有名词。++适用于主服务协议、合同条款、法律文书等文本。+"""++from typing import Any+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoSet+++class DefinedTerm(BaseModel):+ """合同术语定义"""+ term: str = Field(description="术语名称,如机密信息、不可抗力、项目")+ definition: str = Field(description="术语的定义说明")+ source_clause: str = Field(description="定义来源的条款编号", default="")+++_PROMPT = """## 角色与任务+你是一位专业的合同法律师,请从文本中提取所有定义的术语,形成术语定义表。++## 提取规则+1. 识别合同中用引号或黑体定义的专有名词(如"机密信息"、"不可抗力")+2. 提取术语的定义说明+3. 记录定义出现的条款位置+4. 去重:同一术语只保留一条记录++### 约束条件+- 术语名称必须与原文保持一致(包括引号)+- 仅提取真正被定义的术语,不要提取普通业务词汇+- 保持客观准确,不添加文本中没有的信息++### 术语类型(供参考)+- 合同标的相关的术语(项目、软件产品、技术文档)+- 权利义务相关的术语(投资款、服务费、违约金)+- 风险相关的术语(不可抗力、机密信息)+- 程序相关的术语(验收标准、付款条件)++### 源文本:+"""+++class DefinedTermRegistry(AutoSet[DefinedTerm]):+ """+ 适用文档: 主服务协议(MSA)、劳动合同、采购合同、技术合同++ 功能介绍:+ 去重并汇总合同中定义的所有专有名词(如"机密信息"、"不可抗力")。+ 适用于术语一致性检查、合同摘要等应用场景。++ 设计说明:+ - 元素(DefinedTerm):存储术语定义信息,包括术语名称、定义、来源条款+ - 使用术语名称作为唯一键进行累加++ Example:+ >>> template = DefinedTermRegistry(llm_client=llm, embedder=embedder)+ >>> template.feed_text("合同条款内容...")+ >>> print(list(template))+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ chunk_size: int = 2048,+ chunk_overlap: int = 256,+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化术语定义表模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ chunk_size: 每个分块的最大字符数,默认为 2048+ chunk_overlap: 分块之间的重叠字符数,默认为 256+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ item_schema=DefinedTerm,+ key_extractor=lambda x: x.term.strip(),+ llm_client=llm_client,+ embedder=embedder,+ prompt=_PROMPT,+ chunk_size=chunk_size,+ chunk_overlap=chunk_overlap,+ max_workers=max_workers,+ verbose=verbose,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_for_search: int = 3,+ top_k_for_chat: int = 3,+ ):+ """+ 展示术语定义表。++ Args:+ top_k_for_search: 语义检索返回的条目数量,默认为 3+ top_k_for_chat: 问答使用的条目数量,默认为 3+ """+ def item_label_extractor(item: DefinedTerm) -> str:+ return f"{item.term}"++ super().show(+ item_label_extractor=item_label_extractor,+ top_k_for_search=top_k_for_search,+ top_k_for_chat=top_k_for_chat,+ )diff --git a/hyperextract/templates/zh/legal/legal_concept_ontology.py b/hyperextract/templates/zh/legal/legal_concept_ontology.pynew file mode 100644index 0000000..31f1f40--- /dev/null+++ b/hyperextract/templates/zh/legal/legal_concept_ontology.py@@ -0,0 +1,186 @@+"""法律概念本体 - 提取法律术语的定义、上下位关系及法理阐释。++适用于法学专著、法律评注、法条解读等文本。+"""++from typing import Any, Optional+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoGraph+++class LegalConceptNode(BaseModel):+ """法律概念节点"""+ name: str = Field(description="法律概念名称,如过错、故意、过失、违法性")+ category: str = Field(description="概念类型:原则、规则、学说、术语、法律依据")+ definition: Optional[str] = Field(description="概念的简要定义", default=None)+++class LegalConceptRelationEdge(BaseModel):+ """法律概念关系边"""+ source: str = Field(description="源概念名称")+ target: str = Field(description="目标概念名称")+ relationType: str = Field(+ description="关系类型:上位概念、下位概念、相关联、对立、包含、依据"+ )+ description: Optional[str] = Field(description="关系描述", default=None)+++_NODE_PROMPT = """## 角色与任务+你是一位专业的法学专家,请从文本中提取所有法律概念作为节点。++## 核心概念定义+- **节点 (Node)**:从文档中提取的法律概念+- **边 (Edge)**:概念之间的关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的概念,禁止将多个概念合并为一个节点+2. 概念名称与原文保持一致++### 领域特定规则+- 法律概念类型包括:原则、规则、学说、术语、法律依据+- 常见的法律概念:过错、故意、过失、违法性、因果关系、举证责任等++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知概念列表中提取概念之间的关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的法律概念+- **边 (Edge)**:概念之间的关系++## 提取规则+### 核心约束+1. 仅从已知概念列表中提取边,不要创建未列出的概念+2. 关系描述应与原文保持一致++###+- 上位 关系类型定义概念:概念之间的层级包含关系+- 下位概念:概念之间的层级包含关系+- 相关联:概念之间存在逻辑关联+- 对立:概念之间存在对立关系+- 包含:一个概念包含另一个概念+- 依据:一个概念是另一个概念的依据++"""++_PROMPT = """## 角色与任务+你是一位专业的法学专家,请从文本中提取所有法律概念以及它们之间的关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的法律概念+- **边 (Edge)**:概念之间的关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的概念,禁止将多个概念合并为一个节点+2. 概念名称与原文保持一致+3. 仅从已知概念列表中提取边,不要创建未列出的概念+4. 关系描述应与原文保持一致++### 领域特定规则+- 法律概念类型包括:原则、规则、学说、术语、法律依据+- 关系类型:上位概念、下位概念、相关联、对立、包含、依据++### 源文本:+"""+++class LegalConceptOntology(AutoGraph[LegalConceptNode, LegalConceptRelationEdge]):+ """+ 适用文档: 法学专著、法律评注、法条解读、法学教材++ 功能介绍:+ 提取法律术语的定义、上下位关系及法理阐释,构建法律概念本体网络。+ 支持法律检索增强、法学教育等应用场景。++ 设计说明:+ - 节点(LegalConceptNode):存储法律概念信息,包括名称、类型、定义+ - 边(LegalConceptRelationEdge):存储概念间的关系及描述++ Example:+ >>> template = LegalConceptOntology(llm_client=llm, embedder=embedder)+ >>> template.feed_text("过错责任原则是民事侵权责任的核心归责原则...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ chunk_size: int = 2048,+ chunk_overlap: int = 256,+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化法律概念本体模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ chunk_size: 每个分块的最大字符数,默认为 2048+ chunk_overlap: 分块之间的重叠字符数,默认为 256+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=LegalConceptNode,+ edge_schema=LegalConceptRelationEdge,+ node_key_extractor=lambda x: x.name.strip(),+ edge_key_extractor=lambda x: f"{x.source.strip()}|{x.relationType}|{x.target.strip()}",+ nodes_in_edge_extractor=lambda x: (x.source.strip(), x.target.strip()),+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ chunk_size=chunk_size,+ chunk_overlap=chunk_overlap,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示法律概念本体图。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: LegalConceptNode) -> str:+ return f"{node.name}({node.category})"++ def edge_label_extractor(edge: LegalConceptRelationEdge) -> str:+ return edge.relationType++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/legal/liability_clause_list.py b/hyperextract/templates/zh/legal/liability_clause_list.pynew file mode 100644index 0000000..38e9e20--- /dev/null+++ b/hyperextract/templates/zh/legal/liability_clause_list.py@@ -0,0 +1,126 @@+"""责任条款清单 - 提取关于赔偿、责任限制、保证及免责声明的具体条款。++适用于主服务协议、劳动合同、采购合同等商业合同文本。+"""++from typing import Any, Optional+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoList+++class LiabilityClause(BaseModel):+ """责任条款"""+ clause_type: str = Field(+ description="条款类型:赔偿条款、责任限制、保证条款、免责声明、违约金、连带责任、其他"+ )+ clause_title: str = Field(description="条款标题或简要名称")+ content: str = Field(description="条款的具体内容")+ liability_amount: Optional[str] = Field(+ description="涉及的责任金额或计算方式,如合同总价的10%、人民币20万元等",+ default=None+ )+ source_clause: str = Field(description="条款来源的章节编号", default="")+++_PROMPT = """## 角色与任务+你是一位专业的合同法律师,请从文本中提取所有关于责任、赔偿、保证的条款。++## 提取规则+1. 提取文本中所有关于责任分配的具体条款+2. 为每一条款指定类型:赔偿条款、责任限制、保证条款、免责声明、违约金、连带责任、其他+3. 记录条款的具体内容和涉及的责任金额+4. 记录条款来源的章节编号++### 条款类型说明+- **赔偿条款**:约定一方给另一方造成损失时的赔偿方式+- **责任限制**:限制某方承担责任的最高限额+- **保证条款**:一方对某事项的保证承诺+- **免责声明**:免除或限制某方责任的条款+- **违约金**:约定违约时支付的违约金+- **连带责任**:约定多方承担连带责任+- **其他**:不属于上述类别的责任条款++### 约束条件+- 每项责任条款作为独立条目提取+- 保持条款内容与原文一致+- 不要遗漏任何责任相关条款++### 源文本:+"""+++class LiabilityClauseList(AutoList[LiabilityClause]):+ """+ 适用文档: 主服务协议(MSA)、劳动合同、采购合同、技术合同++ 功能介绍:+ 提取关于赔偿、责任限制、保证及免责声明的具体条款。+ 适用于合同风险评估、法务审核等应用场景。++ 设计说明:+ - 元素(LiabilityClause):存储责任条款信息,包括类型、标题、内容、责任金额、来源++ Example:+ >>> template = LiabilityClauseList(llm_client=llm, embedder=embedder)+ >>> template.feed_text("合同条款内容...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ chunk_size: int = 2048,+ chunk_overlap: int = 256,+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化责任条款清单模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ chunk_size: 每个分块的最大字符数,默认为 2048+ chunk_overlap: 分块之间的重叠字符数,默认为 256+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ item_schema=LiabilityClause,+ llm_client=llm_client,+ embedder=embedder,+ prompt=_PROMPT,+ chunk_size=chunk_size,+ chunk_overlap=chunk_overlap,+ max_workers=max_workers,+ verbose=verbose,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_for_search: int = 3,+ top_k_for_chat: int = 3,+ ):+ """+ 展示责任条款清单。++ Args:+ top_k_for_search: 语义检索返回的条目数量,默认为 3+ top_k_for_chat: 问答使用的条目数量,默认为 3+ """+ def item_label_extractor(item: LiabilityClause) -> str:+ return f"[{item.clause_type}] {item.clause_title}"++ super().show(+ item_label_extractor=item_label_extractor,+ top_k_for_search=top_k_for_search,+ top_k_for_chat=top_k_for_chat,+ )diff --git a/hyperextract/templates/zh/legal/litigation_participant_map.py b/hyperextract/templates/zh/legal/litigation_participant_map.pynew file mode 100644index 0000000..38affc0--- /dev/null+++ b/hyperextract/templates/zh/legal/litigation_participant_map.py@@ -0,0 +1,193 @@+"""诉讼参与人图谱 - 提取原告、被告、第三人、代理律师及证人之间的关系。++适用于法院判决书、仲裁裁决书、起诉状、答辩状等法律文书。+"""++from typing import Any, Optional+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoGraph+++class ParticipantNode(BaseModel):+ """诉讼参与人节点"""+ name: str = Field(description="参与人名称,如公司名、人名")+ participant_type: str = Field(+ description="参与人类型:原告、被告、第三人、委托诉讼代理人、法定代理人、证人、鉴定人、法官、合议庭成员"+ )+ role_description: Optional[str] = Field(description="角色描述,如法定代表人、执行董事", default=None)+++class ParticipantRelationEdge(BaseModel):+ """诉讼参与人关系边"""+ source: str = Field(description="源参与人名称")+ target: str = Field(description="目标参与人名称")+ relation_type: str = Field(+ description="关系类型:代理、代表、股东、董事、担保、上下级、同案当事人、敌对"+ )+ description: Optional[str] = Field(description="关系描述", default=None)+++_NODE_PROMPT = """## 角色与任务+你是一位专业的法律工作者,请从文本中提取所有诉讼参与人作为节点。++## 核心概念定义+- **节点 (Node)**:诉讼参与人+- **边 (Edge)**:参与人之间的关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的参与人,禁止将多个参与人合并为一个节点+2. 参与人名称与原文保持一致++### 领域特定规则+- 参与人类型:原告、被告、第三人、委托诉讼代理人、法定代理人、证人、鉴定人、法官、合议庭成员+- 常见的参与人:当事人(公司或个人)、律师、法定代表人、证人++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知参与人列表中提取参与人之间的关系。++## 核心概念定义+- **节点 (Node)**:诉讼参与人+- **边 (Edge)**:参与人之间的关系++## 提取规则+### 核心约束+1. 仅从已知参与人列表中提取边,不要创建未列出的参与人+2. 关系描述应与原文保持一致++### 关系类型+- **代理**:委托诉讼代理关系+- **代表**:法定代表关系+- **股东**:公司股东关系+- **董事**:公司董事关系+- **担保**:担保关系+- **上下级**:上下级领导关系+- **同案当事人**:同一案件中的原告或被告+- **敌对**:利益对立关系++### 已知参与人列表:+"""++_PROMPT = """## 角色与任务+你是一位专业的法律工作者,请从文本中提取所有诉讼参与人以及他们之间的关系。++## 核心概念定义+- **节点 (Node)**:诉讼参与人+- **边 (Edge)**:参与人之间的关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的参与人,禁止将多个参与人合并为一个节点+2. 参与人名称与原文保持一致+3. 仅从已知参与人列表中提取边,不要创建未列出的参与人+4. 关系描述应与原文保持一致++### 参与人类型+- 原告、被告、第三人、委托诉讼代理人、法定代理人、证人、鉴定人、法官、合议庭成员++### 关系类型+- 代理、代表、股东、董事、担保、上下级、同案当事人、敌对++### 源文本:+"""+++class LitigationParticipantMap(AutoGraph[ParticipantNode, ParticipantRelationEdge]):+ """+ 适用文档: 法院判决书、仲裁裁决书、起诉状、答辩状++ 功能介绍:+ 提取原告、被告、第三人、代理律师及证人之间的关系。+ 适用于利益冲突检索、关联案件分析等应用场景。++ 设计说明:+ - 节点(ParticipantNode):存储诉讼参与人信息,包括名称、类型、角色描述+ - 边(ParticipantRelationEdge):存储参与人之间的关系++ Example:+ >>> template = LitigationParticipantMap(llm_client=llm, embedder=embedder)+ >>> template.feed_text("判决书当事人信息...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ chunk_size: int = 2048,+ chunk_overlap: int = 256,+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化诉讼参与人图谱模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ chunk_size: 每个分块的最大字符数,默认为 2048+ chunk_overlap: 分块之间的重叠字符数,默认为 256+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=ParticipantNode,+ edge_schema=ParticipantRelationEdge,+ node_key_extractor=lambda x: x.name.strip(),+ edge_key_extractor=lambda x: f"{x.source.strip()}|{x.relation_type}|{x.target.strip()}",+ nodes_in_edge_extractor=lambda x: (x.source.strip(), x.target.strip()),+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ chunk_size=chunk_size,+ chunk_overlap=chunk_overlap,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示诉讼参与人图谱。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: ParticipantNode) -> str:+ return f"{node.name}({node.participant_type})"++ def edge_label_extractor(edge: ParticipantRelationEdge) -> str:+ return edge.relation_type++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/literature/__init__.py b/hyperextract/templates/zh/literature/__init__.pyindex e69de29..3977b2b 100644--- a/hyperextract/templates/zh/literature/__init__.py+++ b/hyperextract/templates/zh/literature/__init__.py@@ -0,0 +1,32 @@+"""文学与影视领域知识模板++本模块提供用于处理影视剧本、长篇小说和文学评论的模板。+"""++# 影视剧本模板+from .scene_event_hypergraph import SceneEventHypergraph+from .character_arc_timeline import NarrativeTimeline++# 长篇小说模板+from .complex_character_relation import ComplexCharacterRelation+from .story_entity_graph import StoryEntityGraph+from .narrative_event_chain import NarrativeEventChain++# 文学评论模板+from .motif_association_net import MotifAssociationNet+from .critique_argument_hypergraph import CritiqueArgumentHypergraph+from .narrative_structure_tree import NarrativeStructureTree++__all__ = [+ # 影视剧本模板+ "SceneEventHypergraph",+ "NarrativeTimeline",+ # 长篇小说模板+ "ComplexCharacterRelation",+ "StoryEntityGraph",+ "NarrativeEventChain",+ # 文学评论模板+ "MotifAssociationNet",+ "CritiqueArgumentHypergraph",+ "NarrativeStructureTree",+]diff --git a/hyperextract/templates/zh/literature/character_arc_timeline.py b/hyperextract/templates/zh/literature/character_arc_timeline.pynew file mode 100644index 0000000..8fa0b87--- /dev/null+++ b/hyperextract/templates/zh/literature/character_arc_timeline.py@@ -0,0 +1,205 @@+"""叙事时序图 - 提取影视剧本中的异质节点(角色、场景、情绪、事件)及它们之间的关系。++适用于影视剧本。提取角色弧光、场景流转、情绪变化和事件触发。+"""++from typing import Any+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoGraph+++class NarrativeNode(BaseModel):+ """叙事元素节点"""+ name: str = Field(description="元素名称")+ category: str = Field(description="元素类型:角色、场景、情绪、事件")+ description: str = Field(description="简要描述")+++class NarrativeEdge(BaseModel):+ """叙事关系边"""+ source: str = Field(description="源节点名称")+ target: str = Field(description="目标节点名称")+ relationType: str = Field(description="关系类型:出现、时间顺序、情绪、触发、位于")+ time: str = Field(description="时间点(如'第一集'、'第X场'),仅时间顺序关系需要", default="")+ description: str = Field(description="关系描述")+++_NODE_PROMPT = """## 角色与任务+请从影视剧本中提取所有叙事元素作为节点。++## 核心概念定义+- **节点 (Node)**:从文档中提取的叙事元素,包括角色、场景、情绪、事件+- **边 (Edge)**:节点之间的关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致++### 领域特定规则+- 角色:从对白和动作中识别的主要人物+- 场景:从场景头中提取的地点,如"碎玉轩"、"桐花台"、"万寿节宴会厅"+- 情绪:角色的情感状态,如"悲伤"、"愤怒"、"坚定"、"迷茫"、"绝望"+- 事件:关键情节,如"被陷害"、"果郡王之死"、"回宫复仇"++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知节点列表中提取节点之间的关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的叙事元素+- **边 (Edge)**:节点之间的关系++## 提取规则+### 核心约束+1. 仅从已知节点列表中提取边,不要创建未列出的节点+2. 关系描述应与原文保持一致++### 领域特定规则+关系类型及含义:+- 出现:角色出现在某场景,格式:'角色 → 场景'+- 时间顺序:两个场景的时间先后,格式:'前一场景 → 后一场景',需标注时间点+- 情绪:角色在该场景的情绪,格式:'角色 → 情绪'+- 触发:场景触发的事件,格式:'场景 → 事件'+- 位于:角色位于某场景,格式:'角色 → 场景'++### 时间解析规则+1. 集数格式:如"第一集"、"第3集" → 保持原样+2. 场次格式:如"第一场"、"第X场" → 保持原样+3. 幕数格式:如"第一幕"、"第2幕" → 保持原样+4. 相对时间:如"随后"、"不久" → 留空,不要猜测++"""++_PROMPT = """## 角色与任务+你是一位专业的影视剧本分析师,请从文本中提取叙事元素以及它们之间的关系,构建异质图。++## 核心概念定义+- **节点 (Node)**:从文档中提取的叙事元素,包括角色、场景、情绪、事件+- **边 (Edge)**:节点之间的关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致+3. 仅从已知节点列表中提取边,不要创建未列出的节点+4. 关系描述应与原文保持一致++### 领域特定规则+节点类型:+- 角色:从对白和动作中识别的主要人物+- 场景:从场景头中提取的地点+- 情绪:角色的情感状态+- 事件:关键情节++关系类型及含义:+- 出现:角色出现在某场景,格式:'角色 → 场景'+- 时间顺序:两个场景的时间先后,格式:'前一场景 → 后一场景',需标注时间点+- 情绪:角色在该场景的情绪,格式:'角色 → 情绪'+- 触发:场景触发的事件,格式:'场景 → 事件'+- 位于:角色位于某场景,格式:'角色 → 场景'++### 时间解析规则+1. 集数格式:如"第一集"、"第3集" → 保持原样+2. 场次格式:如"第一场"、"第X场" → 保持原样+3. 幕数格式:如"第一幕"、"第2幕" → 保持原样+4. 相对时间:如"随后"、"不久" → 留空,不要猜测++### 源文本:+"""+++class NarrativeTimeline(AutoGraph[NarrativeNode, NarrativeEdge]):+ """+ 适用文档: 影视剧本++ 功能介绍:+ 提取影视剧本中的异质节点(角色、场景、情绪、事件)及它们之间的关系,+ 支持分析角色弧光、场景流转、情绪变化和事件触发。++ 设计说明:+ - 节点(NarrativeNode):存储叙事元素,包括角色、场景、情绪、事件+ - 边(NarrativeEdge):存储元素之间的关系++ Example:+ >>> template = NarrativeTimeline(llm_client=llm, embedder=embedder)+ >>> template.feed_text("【第一场:桐花台 - 夜】甄嬛...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化叙事时序图模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=NarrativeNode,+ edge_schema=NarrativeEdge,+ node_key_extractor=lambda x: x.name,+ edge_key_extractor=lambda x: f"{x.source}|{x.relationType}|{x.target}",+ nodes_in_edge_extractor=lambda x: (x.source, x.target),+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示叙事时序图。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: NarrativeNode) -> str:+ return f"{node.name}[{node.category}]"++ def edge_label_extractor(edge: NarrativeEdge) -> str:+ if edge.time:+ return f"{edge.relationType} ({edge.time})"+ return f"{edge.relationType}"++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/literature/complex_character_relation.py b/hyperextract/templates/zh/literature/complex_character_relation.pynew file mode 100644index 0000000..53c23e5--- /dev/null+++ b/hyperextract/templates/zh/literature/complex_character_relation.py@@ -0,0 +1,190 @@+"""复杂人物关系网 - 超越两两关系,提取涉及多方的社会结构(如三角恋、结盟、家族派系)。++适用于长篇小说。+"""++from typing import Any, List+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoHypergraph+++class CharacterNode(BaseModel):+ """小说人物节点"""+ name: str = Field(description="人物姓名")+ role: str = Field(description="角色定位:主角、配角、反派、酱油")+ faction: str = Field(description="所属阵营或派系", default="")+ description: str = Field(description="人物描述")+++class RelationHyperedge(BaseModel):+ """复杂关系超边"""+ relationType: str = Field(description="关系类型:三角恋、结盟、敌对、背叛、竞争、家族")+ participants: List[str] = Field(description="参与方列表(3人或以上)")+ description: str = Field(description="关系描述")+ sourceScene: str = Field(description="来源情节", default="")+++_NODE_PROMPT = """## 角色与任务+请从长篇小说文本中提取所有人物作为节点。++## 核心概念定义+- **节点 (Node)**:从文档中提取的人物+- **边 (Edge)**:连接多个节点的复杂关系超边++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致++### 领域特定规则+- 角色定位:主角、配角、反派、酱油+- 所属阵营:如"江左盟"、"太子党"、"誉王党"等++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知人物列表中提取复杂人物关系的超边结构。++## 核心概念定义+- **节点 (Node)**:从文档中提取的人物+- **边 (Edge)**:连接多个节点的复杂关系超边++## 提取规则+### 核心约束+1. 超边必须包含3个或以上参与者+2. 仅从已知人物列表中提取边,不要创建未列出的人物+3. 描述应与原文保持一致++### 领域特定规则+- 三角恋:涉及三人的爱情关系+- 结盟:多方形成的政治或军事联盟+- 敌对:多方之间的对立关系+- 背叛:一方背离原先的阵营或关系+- 竞争:多方争夺同一目标+- 家族:同一家族的成员关系++"""++_PROMPT = """## 角色与任务+你是一位专业的小说分析师,请从文本中提取人物以及它们之间的复杂关系超边。++## 核心概念定义+- **节点 (Node)**:从文档中提取的人物+- **边 (Edge)**:连接多个节点的复杂关系超边++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致+3. 超边必须包含3个或以上参与者+4. 仅从已知人物列表中提取边,不要创建未列出的人物+5. 描述应与原文保持一致++### 领域特定规则+- 角色定位:主角、配角、反派、酱油+- 所属阵营:如"江左盟"、"太子党"、"誉王党"等+- 关系类型:三角恋、结盟、敌对、背叛、竞争、家族++### 源文本:+"""+++class ComplexCharacterRelation(AutoHypergraph[CharacterNode, RelationHyperedge]):+ """+ 适用文档: 长篇小说++ 功能介绍:+ 超越两两关系,提取涉及多方的社会结构(如三角恋、结盟、家族派系)。++ 设计说明:+ - 节点(CharacterNode):存储人物信息,包括姓名、角色、阵营、描述+ - 边(RelationHyperedge):存储复杂关系信息及各参与方++ Example:+ >>> template = ComplexCharacterRelation(llm_client=llm, embedder=embedder)+ >>> template.feed_text("梅长苏入京,太子与誉王...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ chunk_size: int = 512,+ chunk_overlap: int = 64,+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化复杂人物关系网模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ chunk_size: 每个分块的最大字符数,默认为 512+ chunk_overlap: 分块之间的重叠字符数,默认为 64+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ def nodes_in_edge_extractor(edge: RelationHyperedge) -> set:+ return set(edge.participants)++ super().__init__(+ node_schema=CharacterNode,+ edge_schema=RelationHyperedge,+ node_key_extractor=lambda x: x.name,+ edge_key_extractor=lambda x: f"{x.relationType}|{x.description[:20]}",+ nodes_in_edge_extractor=nodes_in_edge_extractor,+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ chunk_size=chunk_size,+ chunk_overlap=chunk_overlap,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示复杂人物关系网。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: CharacterNode) -> str:+ return f"{node.name}[{node.role}]"++ def edge_label_extractor(edge: RelationHyperedge) -> str:+ return f"{edge.relationType}: {edge.description[:20]}..."++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/literature/critique_argument_hypergraph.py b/hyperextract/templates/zh/literature/critique_argument_hypergraph.pynew file mode 100644index 0000000..a2b397d--- /dev/null+++ b/hyperextract/templates/zh/literature/critique_argument_hypergraph.py@@ -0,0 +1,188 @@+"""评论论证超图 - 建模复杂的论证逻辑:{论据1, 论据2, 引用文本} -> 核心观点。++适用于文学评论。+"""++from typing import Any, List+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoHypergraph+++class ArgumentNode(BaseModel):+ """论证元素节点"""+ name: str = Field(description="元素名称")+ category: str = Field(description="元素类型:论据、引用、观点")+ content: str = Field(description="内容")+ sourceText: str = Field(description="原文引用(仅引用类型需要)", default="")+++class ArgumentHyperedge(BaseModel):+ """论证超边"""+ conclusion: str = Field(description="核心观点")+ evidences: List[str] = Field(description="论据列表")+ citations: List[str] = Field(description="引用文本列表", default_factory=list)+ description: str = Field(description="论证描述")+++_NODE_PROMPT = """## 角色与任务+请从文学评论文本中提取所有论证元素作为节点。++## 核心概念定义+- **节点 (Node)**:从文档中提取的论证元素+- **边 (Edge)**:连接多个元素的超边,表示完整的论证结构++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的元素,禁止将多个元素合并为一个节点+2. 元素名称与原文保持一致++### 领域特定规则+- 论据:支撑观点的证据或分析+- 引用:原文中的引用文本+- 观点:作者的核心论点++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知论证元素列表中提取论证结构的超边。++## 核心概念定义+- **节点 (Node)**:从文档中提取的论证元素+- **边 (Edge)**:连接多个元素的超边,表示完整的论证结构++## 提取规则+### 核心约束+1. 超边必须包含至少一个论据或引用+2. 超边必须包含核心观点+3. 仅从已知元素列表中提取边,不要创建未列出的元素+4. 描述应与原文保持一致++### 领域特定规则+- 论据:支撑观点的证据或分析+- 引用:原文中的引用文本+- 观点:作者的核心论点++"""++_PROMPT = """## 角色与任务+你是一位专业的文学评论家,请从文本中提取论证元素以及它们组成的论证超边。++## 核心概念定义+- **节点 (Node)**:从文档中提取的论证元素+- **边 (Edge)**:连接多个元素的超边,表示完整的论证结构++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的元素,禁止将多个元素合并为一个节点+2. 元素名称与原文保持一致+3. 超边必须包含至少一个论据或引用+4. 超边必须包含核心观点+5. 仅从已知元素列表中提取边,不要创建未列出的元素+6. 描述应与原文保持一致++### 领域特定规则+- 论据:支撑观点的证据或分析+- 引用:原文中的引用文本+- 观点:作者的核心论点++### 源文本:+"""+++class CritiqueArgumentHypergraph(AutoHypergraph[ArgumentNode, ArgumentHyperedge]):+ """+ 适用文档: 文学评论++ 功能介绍:+ 建模复杂的论证逻辑:{论据1, 论据2, 引用文本} -> 核心观点。++ 设计说明:+ - 节点(ArgumentNode):存储论证元素信息,包括名称、类型、内容、引用+ - 边(ArgumentHyperedge):存储论证结构信息及论据、引用、观点++ Example:+ >>> template = CritiqueArgumentHypergraph(llm_client=llm, embedder=embedder)+ >>> template.feed_text("本文认为...论据一:梅花意象...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化评论论证超图模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ def nodes_in_edge_extractor(edge: ArgumentHyperedge) -> set:+ nodes = set()+ nodes.update(edge.evidences)+ nodes.update(edge.citations)+ nodes.add(edge.conclusion)+ return nodes++ super().__init__(+ node_schema=ArgumentNode,+ edge_schema=ArgumentHyperedge,+ node_key_extractor=lambda x: x.name,+ edge_key_extractor=lambda x: x.conclusion[:30],+ nodes_in_edge_extractor=nodes_in_edge_extractor,+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示评论论证超图。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: ArgumentNode) -> str:+ return f"{node.name}[{node.category}]"++ def edge_label_extractor(edge: ArgumentHyperedge) -> str:+ return f"观点: {edge.conclusion[:20]}..."++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/literature/motif_association_net.py b/hyperextract/templates/zh/literature/motif_association_net.pynew file mode 100644index 0000000..f105c43--- /dev/null+++ b/hyperextract/templates/zh/literature/motif_association_net.py@@ -0,0 +1,173 @@+"""意象关联网络 - 提取文本中反复出现的符号、意象之间的关联,节点类型统一为"意象"。++适用于文学评论。+"""++from typing import Any+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoGraph+++class MotifNode(BaseModel):+ """意象节点"""+ name: str = Field(description="意象名称")+ description: str = Field(description="意象描述")+++class MotifEdge(BaseModel):+ """意象关联边"""+ source: str = Field(description="源意象")+ target: str = Field(description="目标意象")+ associationType: str = Field(description="关联类型:对比、递进、因果、象征、配套")+ description: str = Field(description="关联描述")+++_NODE_PROMPT = """## 角色与任务+请从文学评论文本中提取所有意象作为节点。++## 核心概念定义+- **节点 (Node)**:从文档中提取的意象+- **边 (Edge)**:意象之间的关联关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的意象,禁止将多个意象合并为一个节点+2. 意象名称与原文保持一致++### 领域特定规则+- 意象:反复出现的符号、象征物、自然元素等++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知意象列表中提取意象之间的关联关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的意象+- **边 (Edge)**:意象之间的关联关系++## 提取规则+### 核心约束+1. 仅从已知意象列表中提取边,不要创建未列出的意象+2. 关系描述应与原文保持一致++### 领域特定规则+- 对比:两个意象形成对照或反衬+- 递进:一个意象引出另一个意象+- 因果:一个意象导致另一个意象出现+- 象征:一个意象代表另一个含义+- 配套:多个意象共同构成一个意象群++"""++_PROMPT = """## 角色与任务+你是一位专业的文学评论家,请从文本中提取意象以及它们之间的关联关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的意象+- **边 (Edge)**:意象之间的关联关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的意象,禁止将多个意象合并为一个节点+2. 意象名称与原文保持一致+3. 仅从已知意象列表中提取边,不要创建未列出的意象+4. 关系描述应与原文保持一致++### 领域特定规则+- 意象:反复出现的符号、象征物、自然元素等+- 关联类型:对比、递进、因果、象征、配套++### 源文本:+"""+++class MotifAssociationNet(AutoGraph[MotifNode, MotifEdge]):+ """+ 适用文档: 文学评论++ 功能介绍:+ 提取文本中反复出现的符号、意象之间的关联,节点类型统一为"意象"。++ 设计说明:+ - 节点(MotifNode):存储意象信息,包括名称、描述+ - 边(MotifEdge):存储意象之间的关联关系++ Example:+ >>> template = MotifAssociationNet(llm_client=llm, embedder=embedder)+ >>> template.feed_text("梅花在剧中多次出现,象征...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化意象关联网络模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=MotifNode,+ edge_schema=MotifEdge,+ node_key_extractor=lambda x: x.name,+ edge_key_extractor=lambda x: f"{x.source}|{x.associationType}|{x.target}",+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示意象关联网络。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: MotifNode) -> str:+ return node.name++ def edge_label_extractor(edge: MotifEdge) -> str:+ return f"{edge.associationType}: {edge.source} -> {edge.target}"++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/literature/narrative_event_chain.py b/hyperextract/templates/zh/literature/narrative_event_chain.pynew file mode 100644index 0000000..2c0d29e--- /dev/null+++ b/hyperextract/templates/zh/literature/narrative_event_chain.py@@ -0,0 +1,183 @@+"""叙事事件链 - 按故事内部时间线提取关键情节转折点 (Plot Points)。++适用于长篇小说。+"""++from typing import Any+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoTemporalGraph+++class PlotPointNode(BaseModel):+ """情节转折点节点"""+ name: str = Field(description="事件名称")+ description: str = Field(description="事件描述")+++class PlotEdge(BaseModel):+ """情节链边"""+ source: str = Field(description="前置事件")+ target: str = Field(description="后续事件")+ time: str = Field(description="故事内部时间点,如'第X章'、'第X日'、'第X年'")+ causeEffect: str = Field(description="因果关系描述")+++_NODE_PROMPT = """## 角色与任务+请从长篇小说文本中提取所有情节转折点作为节点。++## 核心概念定义+- **节点 (Node)**:从文档中提取的情节转折点+- **边 (Edge)**:情节之间的因果关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致++### 领域特定规则+- 情节转折点:改变故事走向的关键事件++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知情节列表中提取情节之间的因果关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的情节转折点+- **边 (Edge)**:情节之间的因果关系++## 提取规则+### 核心约束+1. 仅从已知情节列表中提取边,不要创建未列出的情节+2. 关系描述应与原文保持一致++### 时间解析规则+1. 章节格式:如"第一章"、"第3章" → 保持原样+2. 日期格式:如"第一日"、"第X日" → 保持原样+3. 年份格式:如"第一年"、"XX年" → 保持原样+4. 相对时间:如"随后"、"之后" → 留空,不要猜测++"""++_PROMPT = """## 角色与任务+你是一位专业的小说分析师,请从文本中提取情节转折点以及它们之间的因果关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的情节转折点+- **边 (Edge)**:情节之间的因果关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致+3. 仅从已知情节列表中提取边,不要创建未列出的情节+4. 关系描述应与原文保持一致++### 领域特定规则+- 情节转折点:改变故事走向的关键事件++### 时间解析规则+1. 章节格式:如"第一章"、"第3章" → 保持原样+2. 日期格式:如"第一日"、"第X日" → 保持原样+3. 年份格式:如"第一年"、"XX年" → 保持原样+4. 相对时间:如"随后"、"之后" → 留空,不要猜测++### 源文本:+"""+++class NarrativeEventChain(AutoTemporalGraph[PlotPointNode, PlotEdge]):+ """+ 适用文档: 长篇小说++ 功能介绍:+ 按故事内部时间线提取关键情节转折点 (Plot Points)。++ 设计说明:+ - 节点(PlotPointNode):存储情节转折点信息,包括名称、描述+ - 边(PlotEdge):存储情节之间的因果关系及时间点++ Example:+ >>> template = NarrativeEventChain(llm_client=llm, embedder=embedder)+ >>> template.feed_text("梅长苏入京...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ observation_time: str | None = None,+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化叙事事件链模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ observation_time: 观察时间,用于解析相对时间表达,+ 如未指定则使用当前日期+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=PlotPointNode,+ edge_schema=PlotEdge,+ node_key_extractor=lambda x: x.name,+ edge_key_extractor=lambda x: f"{x.source}|{x.time}|{x.target}",+ time_in_edge_extractor=lambda x: x.time,+ nodes_in_edge_extractor=lambda x: (x.source, x.target),+ llm_client=llm_client,+ embedder=embedder,+ observation_time=observation_time,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示叙事事件链。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: PlotPointNode) -> str:+ return node.name++ def edge_label_extractor(edge: PlotEdge) -> str:+ return f"{edge.time}: {edge.causeEffect[:20]}..."++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/literature/narrative_structure_tree.py b/hyperextract/templates/zh/literature/narrative_structure_tree.pynew file mode 100644index 0000000..f1a16d3--- /dev/null+++ b/hyperextract/templates/zh/literature/narrative_structure_tree.py@@ -0,0 +1,184 @@+"""叙事结构树 - 构建作品的结构层级(如主线、支线、插叙部分)。++适用于文学评论。+"""++from typing import Any+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoGraph+++class StructureNode(BaseModel):+ """叙事结构节点"""+ name: str = Field(description="结构单元名称")+ category: str = Field(description="类型:主线、支线、插叙、前提、结局")+ description: str = Field(description="描述")+++class StructureEdge(BaseModel):+ """结构层级边"""+ source: str = Field(description="上位结构")+ target: str = Field(description="下位结构")+ relationType: str = Field(description="关系类型:包含、从属、展开、转折")+ description: str = Field(description="描述")+++_NODE_PROMPT = """## 角色与任务+请从文学评论文本中提取所有叙事结构单元作为节点。++## 核心概念定义+- **节点 (Node)**:从文档中提取的叙事结构单元+- **边 (Edge)**:结构单元之间的层级关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的结构单元,禁止将多个单元合并为一个节点+2. 单元名称与原文保持一致++### 领域特定规则+- 主线:推动故事核心发展的情节线+- 支线:辅助主线或展现次要人物的情节线+- 插叙:中断主线叙事的回忆或补充说明+- 前提:故事发生的背景设定+- 结局:故事的最终走向和结果++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知结构单元列表中提取结构单元之间的层级关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的叙事结构单元+- **边 (Edge)**:结构单元之间的层级关系++## 提取规则+### 核心约束+1. 仅从已知结构单元列表中提取边,不要创建未列出的单元+2. 关系描述应与原文保持一致++### 领域特定规则+- 包含:上位结构包含下位结构+- 从属:下位结构从属于上位结构+- 展开:上位结构展开为下位结构+- 转折:从一线转到另一线++"""++_PROMPT = """## 角色与任务+你是一位专业的文学评论家,请从文本中提取叙事结构单元以及它们之间的层级关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的叙事结构单元+- **边 (Edge)**:结构单元之间的层级关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的结构单元,禁止将多个单元合并为一个节点+2. 单元名称与原文保持一致+3. 仅从已知结构单元列表中提取边,不要创建未列出的单元+4. 关系描述应与原文保持一致++### 领域特定规则+- 主线:推动故事核心发展的情节线+- 支线:辅助主线或展现次要人物的情节线+- 插叙:中断主线叙事的回忆或补充说明+- 前提:故事发生的背景设定+- 结局:故事的最终走向和结果+- 包含:上位结构包含下位结构+- 从属:下位结构从属于上位结构+- 展开:上位结构展开为下位结构+- 转折:从一线转到另一线++### 源文本:+"""+++class NarrativeStructureTree(AutoGraph[StructureNode, StructureEdge]):+ """+ 适用文档: 文学评论++ 功能介绍:+ 构建作品的结构层级(如主线、支线、插叙部分)。++ 设计说明:+ - 节点(StructureNode):存储叙事结构单元信息,包括名称、类型、描述+ - 边(StructureEdge):存储结构单元之间的层级关系++ Example:+ >>> template = NarrativeStructureTree(llm_client=llm, embedder=embedder)+ >>> template.feed_text("甄嬛从入宫到成为太后构成主线...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化叙事结构树模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=StructureNode,+ edge_schema=StructureEdge,+ node_key_extractor=lambda x: x.name,+ edge_key_extractor=lambda x: f"{x.source}|{x.relationType}|{x.target}",+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示叙事结构树。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: StructureNode) -> str:+ return f"{node.name}[{node.category}]"++ def edge_label_extractor(edge: StructureEdge) -> str:+ return f"{edge.relationType}: {edge.source} -> {edge.target}"++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/literature/scene_event_hypergraph.py b/hyperextract/templates/zh/literature/scene_event_hypergraph.pynew file mode 100644index 0000000..1cc36f3--- /dev/null+++ b/hyperextract/templates/zh/literature/scene_event_hypergraph.py@@ -0,0 +1,194 @@+"""场景事件超图 - 将一场戏建模为连接 {出场角色, 场景地点, 关键道具, 核心动作} 的超边。++适用于影视剧本(场景头、动作、对白格式)。+"""++from typing import Any, List+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoHypergraph+++class SceneNode(BaseModel):+ """场景元素节点"""+ name: str = Field(description="元素名称")+ category: str = Field(description="元素类型:角色、地点、道具、动作")+ description: str = Field(description="简要描述")+++class SceneHyperedge(BaseModel):+ """场景事件超边"""+ sceneName: str = Field(description="场景名称,如'第一场:桐花台夜话'")+ characters: List[str] = Field(description="出场角色列表")+ location: str = Field(description="场景地点")+ props: List[str] = Field(description="关键道具列表", default_factory=list)+ actions: List[str] = Field(description="核心动作列表")+ timeOfDay: str = Field(description="时间段:日/夜/晨/昏")+++_NODE_PROMPT = """## 角色与任务+请从影视剧本文本中提取所有场景元素作为节点。++## 核心概念定义+- **节点 (Node)**:从文档中提取的场景元素,包括角色、地点、道具、动作+- **边 (Edge)**:连接多个节点的超边,表示一场完整的戏++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致++### 领域特定规则+- 角色:从【动作】或对白中识别的人物+- 地点:从场景头中提取,如"碎玉轩"、"桐花台"+- 道具:从动作描述中提取的关键物品,如"油纸伞"、"宫灯"+- 动作:从动作描述中提取的核心行为,如"起舞"、"吟诵"++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知场景元素列表中提取场景事件的超边结构。++## 核心概念定义+- **节点 (Node)**:从文档中提取的场景元素+- **边 (Edge)**:连接多个节点的超边,表示一场完整的戏++## 提取规则+### 核心约束+1. 超边必须包含至少一个角色+2. 超边必须包含地点+3. 仅从已知元素列表中提取边,不要创建未列出的元素+4. 描述应与原文保持一致++### 领域特定规则+- 出场角色:从剧本对白和动作中识别的参与人物+- 场景地点:场景头中标注的地点+- 关键道具:动作描述中出现的物品+- 核心动作:角色完成的主要行为+- 时间段:从场景头中提取,如"日"、"夜"、"晨"、"昏"++"""++_PROMPT = """## 角色与任务+你是一位专业的影视剧本分析师,请从文本中提取场景元素以及它们组成的场景事件超边。++## 核心概念定义+- **节点 (Node)**:从文档中提取的场景元素,包括角色、地点、道具、动作+- **边 (Edge)**:连接多个节点的超边,表示一场完整的戏++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致+3. 超边必须包含至少一个角色和地点+4. 仅从已知元素列表中提取边,不要创建未列出的元素+5. 描述应与原文保持一致++### 领域特定规则+- 角色:从【动作】或对白中识别的人物+- 地点:从场景头中提取,如"碎玉轩"、"桐花台"+- 道具:从动作描述中提取的关键物品,如"油纸伞"、"宫灯"+- 动作:从动作描述中提取的核心行为+- 时间段:从场景头中提取,如"日"、"夜"、"晨"、"昏"++### 源文本:+"""+++class SceneEventHypergraph(AutoHypergraph[SceneNode, SceneHyperedge]):+ """+ 适用文档: 影视剧本(场景头、动作、对白格式)++ 功能介绍:+ 将一场戏建模为连接 {出场角色, 场景地点, 关键道具, 核心动作} 的超边。++ 设计说明:+ - 节点(SceneNode):存储场景元素信息,包括名称、类型、描述+ - 边(SceneHyperedge):存储场景事件信息及各元素++ Example:+ >>> template = SceneEventHypergraph(llm_client=llm, embedder=embedder)+ >>> template.feed_text("【场景一:桐花台 - 夜】甄嬛...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化场景事件超图模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ def nodes_in_edge_extractor(edge: SceneHyperedge) -> set:+ nodes = set()+ nodes.update(edge.characters)+ nodes.add(edge.location)+ nodes.update(edge.props)+ nodes.update(edge.actions)+ return nodes++ super().__init__(+ node_schema=SceneNode,+ edge_schema=SceneHyperedge,+ node_key_extractor=lambda x: x.name,+ edge_key_extractor=lambda x: x.sceneName,+ nodes_in_edge_extractor=nodes_in_edge_extractor,+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示场景事件超图。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: SceneNode) -> str:+ return f"{node.name}[{node.category}]"++ def edge_label_extractor(edge: SceneHyperedge) -> str:+ return f"{edge.sceneName}"++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/hyperextract/templates/zh/literature/story_entity_graph.py b/hyperextract/templates/zh/literature/story_entity_graph.pynew file mode 100644index 0000000..f92c882--- /dev/null+++ b/hyperextract/templates/zh/literature/story_entity_graph.py@@ -0,0 +1,173 @@+"""故事实体图谱 - 专注于提取关键物品、地点及其归属或位置关系,与人物关系分离。++适用于长篇小说。+"""++from typing import Any+from pydantic import BaseModel, Field+from langchain_core.language_models import BaseChatModel+from langchain_core.embeddings import Embeddings+from hyperextract.types import AutoGraph+++class StoryEntityNode(BaseModel):+ """故事实体节点"""+ name: str = Field(description="实体名称")+ category: str = Field(description="实体类型:物品、地点")+ description: str = Field(description="实体描述")+++class BelongsToEdge(BaseModel):+ """归属关系边"""+ source: str = Field(description="物品")+ target: str = Field(description="归属者或位置")+ relationType: str = Field(description="关系类型:归属、位于")+ description: str = Field(description="描述")+++_NODE_PROMPT = """## 角色与任务+请从长篇小说文本中提取所有故事实体作为节点。++## 核心概念定义+- **节点 (Node)**:从文档中提取的故事实体+- **边 (Edge)**:实体之间的关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致++### 领域特定规则+- 物品:武器、书信、信物、药材等+- 地点:城市、建筑、区域等++### 源文本:+"""++_EDGE_PROMPT = """## 角色与任务+请从已知实体列表中提取实体之间的关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的故事实体+- **边 (Edge)**:实体之间的关系++## 提取规则+### 核心约束+1. 仅从已知实体列表中提取边,不要创建未列出的实体+2. 关系描述应与原文保持一致++### 领域特定规则+- 归属:物品的所有者或使用者+- 位于:物品的位置或地点的所在++"""++_PROMPT = """## 角色与任务+你是一位专业的小说分析师,请从文本中提取故事实体以及它们之间的关系。++## 核心概念定义+- **节点 (Node)**:从文档中提取的故事实体+- **边 (Edge)**:实体之间的关系++## 提取规则+### 核心约束+1. 每个节点只能对应一个独立的实体,禁止将多个实体合并为一个节点+2. 实体名称与原文保持一致+3. 仅从已知实体列表中提取边,不要创建未列出的实体+4. 关系描述应与原文保持一致++### 领域特定规则+- 物品:武器、书信、信物、药材等+- 地点:城市、建筑、区域等+- 关系类型:归属(物品的所有者)、位于(物品的位置)++### 源文本:+"""+++class StoryEntityGraph(AutoGraph[StoryEntityNode, BelongsToEdge]):+ """+ 适用文档: 长篇小说++ 功能介绍:+ 专注于提取关键物品、地点及其归属或位置关系,与人物关系分离。++ 设计说明:+ - 节点(StoryEntityNode):存储故事实体信息,包括名称、类型、描述+ - 边(BelongsToEdge):存储实体之间的归属或位置关系++ Example:+ >>> template = StoryEntityGraph(llm_client=llm, embedder=embedder)+ >>> template.feed_text("梅长苏手中握着一枚金牌令...")+ >>> template.show()+ """++ def __init__(+ self,+ llm_client: BaseChatModel,+ embedder: Embeddings,+ *,+ extraction_mode: str = "two_stage",+ max_workers: int = 10,+ verbose: bool = False,+ **kwargs: Any,+ ):+ """+ 初始化故事实体图谱模板。++ Args:+ llm_client: LLM 客户端,用于知识提取+ embedder: 嵌入模型,用于语义检索+ extraction_mode: 提取模式,可选 "one_stage"(同时提取节点和边)+ 或 "two_stage"(先提取节点,再提取边),默认为 "two_stage"+ max_workers: 最大工作线程数,默认为 10+ verbose: 是否输出详细日志,默认为 False+ **kwargs: 其他技术参数,传递给基类+ """+ super().__init__(+ node_schema=StoryEntityNode,+ edge_schema=BelongsToEdge,+ node_key_extractor=lambda x: x.name,+ edge_key_extractor=lambda x: f"{x.source}|{x.relationType}|{x.target}",+ llm_client=llm_client,+ embedder=embedder,+ extraction_mode=extraction_mode,+ max_workers=max_workers,+ verbose=verbose,+ prompt=_PROMPT,+ prompt_for_node_extraction=_NODE_PROMPT,+ prompt_for_edge_extraction=_EDGE_PROMPT,+ **kwargs,+ )++ def show(+ self,+ *,+ top_k_nodes_for_search: int = 3,+ top_k_edges_for_search: int = 3,+ top_k_nodes_for_chat: int = 3,+ top_k_edges_for_chat: int = 3,+ ):+ """+ 展示故事实体图谱。++ Args:+ top_k_nodes_for_search: 语义检索返回的节点数量,默认为 3+ top_k_edges_for_search: 语义检索返回的边数量,默认为 3+ top_k_nodes_for_chat: 问答使用的节点数量,默认为 3+ top_k_edges_for_chat: 问答使用的边数量,默认为 3+ """+ def node_label_extractor(node: StoryEntityNode) -> str:+ return f"{node.name}[{node.category}]"++ def edge_label_extractor(edge: BelongsToEdge) -> str:+ return f"{edge.relationType}: {edge.source} -> {edge.target}"++ super().show(+ node_label_extractor=node_label_extractor,+ edge_label_extractor=edge_label_extractor,+ top_k_nodes_for_search=top_k_nodes_for_search,+ top_k_edges_for_search=top_k_edges_for_search,+ top_k_nodes_for_chat=top_k_nodes_for_chat,+ top_k_edges_for_chat=top_k_edges_for_chat,+ )diff --git a/tests/fixtures/test_samples/zh/legal/compliance_filing_sample.md b/tests/fixtures/test_samples/zh/legal/compliance_filing_sample.mdnew file mode 100644index 0000000..91efe8b--- /dev/null+++ b/tests/fixtures/test_samples/zh/legal/compliance_filing_sample.md@@ -0,0 +1,236 @@+# XX科技集团股份有限公司+# 2024年度反洗钱及反恐怖融资合规申报报告++**报告期间**:2024年1月1日至2024年12月31日+**申报日期**:2025年3月15日+**申报机构**:中国人民银行某市中心支行+**文件编号**:AML-2024-XXX-001++---++## 第一部分:公司基本信息++### 1.1 企业概况++| 项目 | 内容 |+|---|---|+| 公司名称 | XX科技集团股份有限公司 |+| 统一社会信用代码 | 91310000MA1XXXXXXX |+| 注册资本 | 人民币XX亿元 |+| 注册地址 | 某市某区某园区 |+| 成立日期 | 2010年3月 |+| 主营业务 | 金融科技软件研发、智能投顾服务、支付清算 |+| 金融许可证号 | B0001H231000001 |++### 1.2 股权结构概览++截至2024年12月31日,公司股权结构如下:++| 序号 | 股东名称 | 持股数量(万股) | 持股比例 | 股东性质 |+|---|---|---|---|---|+| 1 | XX控股集团有限公司 | XX,XXX | XX.XX% | 境内法人 |+| 2 | 创新工场投资基金(有限合伙) | XX,XXX | XX.XX% | 境内基金 |+| 3 | 君正资本管理有限公司 | XX,XXX | XX.XX% | 境内法人 |+| 4 | 深圳市前海创新投资 | X,XXX | X.XX% | 境内法人 |+| 5 | 员工持股平台(有限合伙) | X,XXX | X.XX% | 境内有限合伙 |+| 6 | 境外投资者BVI公司 | XX,XXX | XX.XX% | 境外法人 |+| 7 | 其他社会公众股东 | XX,XXX | XX.XX% | 社会公众 |++---++## 第二部分:受益所有权识别++### 2.1 股权穿透分析++根据《金融机构大额交易和可疑交易报告管理办法》及《中国人民银行关于加强反洗钱客户身份识别有关工作的通知》的要求,本公司对持股5%以上股东进行了股权穿透分析,具体如下:++#### 2.1.1 XX控股集团有限公司(持股XX%)++**股权结构**:++| 层级 | 股东名称 | 持股比例 | 类型 |+|---|---|---|---|+| 1 | 陈某 | XX% | 自然人 |+| 1 | 王某 | XX% | 自然人 |+| 1 | 林某 | XX% | 自然人 |++**最终受益人**:陈某(持股XX%)、王某(持股XX%)、林某(持股XX%)++**控制关系说明**:陈某担任XX控股集团有限公司执行董事,对公司经营决策具有实际控制权。++---++#### 2.1.2 创新工场投资基金(有限合伙)(持股XX%)++**普通合伙人**:创新工场资产管理(某市)有限公司++**股权结构**:++| 层级 | 股东名称 | 持股比例 | 类型 |+|---|---|---|---|+| 1 | 创新工场资产管理(某市)有限公司 | 1% | 境内法人 |+| 2 | 李某 | XX% | 自然人 |+| 2 | 汪某 | XX% | 自然人 |++**有限合伙人**:++| 合伙人名称 | 出资额(万元) | 类型 |+|---|---|+| 某市天使投资引导基金 | XX,XXX | 政府出资 |+| 社保基金理事会 | XX,XXX | 国有资本 |+| 高瓴资本 | XX,XXX | 境内基金 |++**最终受益人**:李某(控制GP,对基金决策有重大影响)、汪某++---++#### 2.1.3 境外投资者BVI公司(持股XX%)++**公司名称**:Galaxy Tech Holdings Limited(BVI注册)++**注册地**:英属维尔京群岛++**股权结构**:++| 层级 | 股东名称 | 持股比例 | 类型 |+|---|---|---|---|+| 1 | 张某 | 100% | 自然人 |++**最终受益人**:张某(通过BVI公司间接持有本公司XX%股权)++**关联关系说明**:张某为XX控股集团有限公司的第二大自然人股东王某之配偶。++---++### 2.2 受益所有权汇总表++| 序号 | 受益所有人姓名 | 身份证号 | 国籍 | 持股路径 | 实际持股比例 |+|---|---|---|---|---|---|+| 1 | 陈某 | 310***********XXXX | 中国 | XX控股集团→本公司 | XX.XX% |+| 2 | 王某 | 310***********XXXX | 中国 | XX控股集团→本公司 | X.XX% |+| 3 | 林某 | 310***********XXXX | 中国 | XX控股集团→本公司 | X.XX% |+| 4 | 李某 | 110***********XXXX | 中国 | 创新工场基金→本公司 | XX.XX% |+| 5 | 汪某 | 310***********XXXX | 中国 | 创新工场基金→本公司 | XX.XX% |+| 6 | 张某 | HKG***********XXXX | 中国香港 | BVI公司→本公司 | XX.XX% |++**注**:实际持股比例按穿透后计算,李某、汪某作为创新工场投资基金GP,对基金决策有重大影响,按控制关系认定。++---++### 2.3 高管信息++| 姓名 | 职务 | 国籍 | 身份证号/证件号 |+|---|---|---|---|+| 陈某 | 董事长兼总经理 | 中国 | 310***********XXXX |+| 王某 | 副董事长 | 中国 | 310***********XXXX |+| 林某 | 财务总监 | 中国 | 310***********XXXX |+| 张某 | 首席技术官 | 中国 | 310***********XXXX |+| 李某 | 合规总监 | 中国 | 310***********XXXX |++---++## 第三部分:反洗钱合规措施++### 3.1 客户身份识别(KYC)++2024年度,本公司在客户身份识别方面采取以下措施:++- **新客户开户**:2024年新增个人客户XXX,XXX户,机构客户X,XXX户,全部完成身份识别及尽职调查+- **存量客户排查**:完成存量客户身份信息更新共计XX,XXX户+- **高风险客户**:识别高风险客户X,XXX户,涉及交易金额约人民币XX亿元+- **加强型尽职调查**:对XX户高风险客户进行了加强型尽职调查(EDD)++### 3.2 可疑交易监测++2024年度,本公司可疑交易监测系统共产生预警XX,XXX条,经人工审核后上报可疑交易报告X,XXX份,具体情况如下:++| 可疑类型 | 数量 | 占比 |+|---|---|---|+| 资金分散转入集中转出 | XXX | XX.X% |+| 频繁挂失后大额提取 | XXX | XX.X% |+| 交易对手涉及制裁名单 | XXX | XX.X% |+| 短期大额资金快进快出 | XXX | XX.X% |+| 其他异常交易 | XXX | XX.X% |+| **合计** | **X,XXX** | **100%** |++### 3.3 大额交易报告++2024年度,本公司累计上报大额交易报告XX,XXX份,涉及交易金额约人民币X,XXX亿元。++---++## 第四部分:合规承诺与整改措施++### 4.1 监管要求合规情况++| 监管要求 | 合规状态 | 说明 |+|---|---|---|+| 客户身份识别 | 已合规 | 完成全部存量及增量客户识别 |+| 受益所有人识别 | 已合规 | 完成5%以上股东穿透识别 |+| 可疑交易报告 | 已合规 | 按时提交可疑交易报告 |+| 大额交易报告 | 已合规 | 按时提交大额交易报告 |+| 客户风险等级分类 | 持续改进 | 高风险客户占比需进一步优化 |+| 反洗钱培训 | 已合规 | 完成全员培训及专项培训 |++### 4.2 整改承诺++针对2024年度监管检查中发现的问题,本公司承诺采取以下整改措施:++1. **优化客户风险等级分类模型**+ - 承诺完成时间:2025年6月30日+ - 责任部门:合规部、信息科技部++2. **加强非居民客户身份识别**+ - 承诺完成时间:2025年3月31日+ - 责任部门:运营管理部++3. **完善受益所有权识别流程**+ - 承诺完成时间:2025年4月30日+ - 责任部门:合规部++4. **提升可疑交易人工审核效率**+ - 承诺完成时间:2025年5月31日+ - 责任部门:合规部++---++## 第五部分:反洗钱内控机制++### 5.1 组织架构++本公司设立反洗钱工作领导小组,由董事长陈某担任组长,合规总监李某担任副组长,成员包括财务部、信息技术部、运营管理部负责人。++反洗钱工作小组专职人员共计XX人,其中持证人员XX人。++### 5.2 制度建设++本公司已建立完善的反洗钱内控制度体系,包括但不限于:++- 《反洗钱工作管理办法》+- 《客户身份识别及尽职调查操作规程》+- 《大额交易和可疑交易报告管理办法》+- 《受益所有人识别操作规程》+- 《反洗钱客户风险等级分类管理办法》+- 《恐怖融资风险自评估制度》++### 5.3 审计与检查++2024年度,本公司开展反洗钱内部审计2次,覆盖全部业务线条,发现问题XX项,已全部完成整改。++---++## 第六部分:声明++本公司声明,本报告所载内容真实、完整、准确。如有虚假陈述,本公司愿承担相应的法律责任。++**法定代表人(签字)**:________________++**职务**:董事长++**日期**:2025年3月15日++**单位(盖章)**:XX科技集团股份有限公司++---++*本报告依据《中华人民共和国反洗钱法》、《金融机构反洗钱规定》、《金融机构大额交易和可疑交易报告管理办法》等法规编制*diff --git a/tests/fixtures/test_samples/zh/legal/court_judgment_sample.md b/tests/fixtures/test_samples/zh/legal/court_judgment_sample.mdnew file mode 100644index 0000000..518b4c3--- /dev/null+++ b/tests/fixtures/test_samples/zh/legal/court_judgment_sample.md@@ -0,0 +1,140 @@+# 某市某区人民法院+# 民事判决书+# (2024) 沪0115民初12345号++---++## 当事人信息++**原告**:XX创业投资有限公司+统一社会信用代码:91310000MA1XXXXXXX+住所地:某市某区某路XX号+法定代表人:李某,执行董事+委托诉讼代理人:王某,某律师事务所律师++**被告**:YY科技有限公司+统一社会信用代码:91310000MA2XXXXXXX+住所地:某市某区某路XX号+法定代表人:张某,总经理+委托诉讼代理人:赵某,某律师事务所律师++**第三人**:ZZ资本管理有限公司+统一社会信用代码:91440300MA3XXXXXXX+住所地:某市某区某路XX号+法定代表人:陈某,董事长++---++## 案件详情++**案由**:股东出资纠纷+**审理程序**:普通程序+**合议庭组成**:审判长刘某、审判员周某、人民陪审员郑某+**书记员**:张某++---++## 案件事实认定++### 一、当事人之间的关系++原告XX创业投资有限公司与被告YY科技有限公司于2021年3月签订《战略合作协议》,约定原告向被告投资人民币XXXX万元,持有被告15%股权。第三人ZZ资本管理有限公司系被告的原始股东,持股10%。++### 二、案件事实时间线++**2021年3月15日**:原告与被告签订《战略合作协议》,约定原告向被告提供人民币XXXX万元投资款,用于XX软件平台研发。协议第五条约定:被告每一会计年度结束后九十日内,按照被告当年度可供分配利润的30%向股东进行现金分配,原告按持股比例享有投资收益。++**2021年4月1日**:原告通过银行转账方式向被告指定账户支付投资款人民币XXXX万元。++**2021年5月10日**:原告与被告签订《补充协议》,约定将原《战略合作协议》第五条约定的收益分配比例调整为:原告仅在被告年度净利润超过人民币XXXX万元时,方可获得超额部分的20%作为投资收益。该协议未经被告股东会决议通过。++**2021年6月20日**:被告完成工商变更登记,原告正式持有被告15%股权。++**2022年1月10日**:被告召开股东会,决议2021年度利润分配方案:按净利润的30%向股东分配红利。++**2022年3月5日**:被告向原告分配红利人民币XX万元。原告认为根据《补充协议》,被告2021年度净利润为XXXX万元,未超过XXXX万元门槛,故原告无收益分配,XX万元为友好表示。++**2022年8月15日**:被告向原告发送《收益分配说明函》,声称因《补充协议》约定,原告2021年度不享有固定比例收益,仅获得XX万元分红。++**2023年1月20日**:原告向本院提起诉讼,请求确认《补充协议》无效,并要求被告支付欠付投资收益及违约金。++---++## 争议焦点++### 争议焦点一:《补充协议》的效力++**原告主张**:《补充协议》系双方真实意思表示,合法有效。原告作为投资人,与被告协商调整收益分配方式,属于商业判断范畴,不违反法律规定。++**被告主张**:《补充协议》系双方协商一致签订,是双方对投资收益的重新安排,合法有效。++**本院认定**:根据被告公司章程第八条规定,公司与外部投资者的重大协议变更须经股东会特别决议(持股三分之二以上股东通过)。《补充协议》未经被告股东会决议通过,违反了被告公司的内部章程规定。此外,《补充协议》将原告的收益分配条件从固定比例调整为超额递减,实质上降低了原告的投资收益,可能损害被告及其他股东利益。++**适用法律**:《中华人民共和国民法典》第一百五十四条:行为人与相对人恶意串通,损害他人合法权益的民事法律行为无效。++**结论**:确认《补充协议》无效。++---++### 争议焦点二:被告是否存在违约行为++**原告主张**:基于《补充协议》无效的认定,被告应按照《战略合作协议》第五条足额分配投资收益。被告2021年度净利润为XXXX万元,按30%分配比例,可分配利润为XXXX万元,原告持股15%,应得红利为XX万元,被告已支付完毕,不存在欠付。2022年度净利润为XXXX万元,应得红利为XX万元,被告仅支付XX万元,尚欠XX万元。++**被告主张**:2022年度被告经营困难,现金流紧张,且《补充协议》有效情况下被告已足额支付。++**本院认定**:基于前述《补充协议》无效的认定,被告应按照《战略合作协议》第五条的约定向原告分配投资收益。被告2022年度净利润为XXXX万元,按30%分配比例,可分配利润为XXXX万元,原告持股15%,应得红利为XX万元。被告仅支付XX万元,构成违约。++**适用法律**:《中华人民共和国民法典》第五百七十七条:当事人一方不履行合同义务或者履行合同义务不符合约定的,应当承担继续履行、采取补救措施或者赔偿损失等违约责任。++**结论**:被告应向原告支付2022年度投资收益差额人民币XX万元。++---++### 争议焦点三:违约金数额的认定++**原告主张**:根据《战略合作协议》第七条约定,违约方应向守约方支付投资款总额10%的违约金,即人民币XXX万元。++**被告主张**:违约金过高,请求法院依法调减。++**本院认定**:综合考虑原告的实际损失、被告的过错程度及合同履行情况,本院认为《战略合作协议》约定的违约金标准合理,予以支持。++**适用法律**:《中华人民共和国民法典》第五百八十五条:约定的违约金低于造成的损失的,人民法院或者仲裁机构可以根据当事人的请求予以增加;约定的违约金过分高于造成的损失的,人民法院或者仲裁机构可以根据当事人的请求予以适当减少。++**结论**:被告应向原告支付违约金人民币XXX万元。++---++## 裁判结果++一、确认原告XX创业投资有限公司与被告YY科技有限公司于2021年5月10日签订的《补充协议》无效;++二、被告YY科技有限公司应于本判决生效之日起十日内向原告XX创业投资有限公司支付2022年度投资收益差额人民币XX万元;++三、被告YY科技有限公司应于本判决生效之日起十日内向原告XX创业投资有限公司支付违约金人民币XXX万元;++四、案件受理费人民币XX万元(原告预交XX万元),由被告负担。++如果未按本判决指定的期间履行给付金钱义务,应当依照《中华人民共和国民事诉讼法》第二百六十条规定,加倍支付迟延履行期间的债务利息。++如不服本判决,可在判决书送达之日起十五日内,向本院递交上诉状,并按对方当事人的人数提出副本,上诉于某市中级人民法院。++---++**审判长**:刘某++**审判员**:周某++**人民陪审员**:郑某++**书记员**:张某++**日期**:2024年6月15日++---++## 附件:相关法条++1. 《中华人民共和国民法典》第一百五十四条+2. 《中华人民共和国民法典》第五百七十七条+3. 《中华人民共和国民法典》第五百八十五条+4. 《中华人民共和国民事诉讼法》第二百六十条diff --git a/tests/fixtures/test_samples/zh/legal/legal_treatise_sample.md b/tests/fixtures/test_samples/zh/legal/legal_treatise_sample.mdnew file mode 100644index 0000000..1922184--- /dev/null+++ b/tests/fixtures/test_samples/zh/legal/legal_treatise_sample.md@@ -0,0 +1,104 @@+# 民事侵权责任中的过错认定原则——以《民法典》第1165条为中心++## 第一章 侵权责任法基本理论++### 1.1 过错责任原则的法理基础++过错责任原则是民事侵权责任的核心归责原则,其法理基础在于:+- **个人责任原则**:行为人仅对自己的过错行为负责+- **预防功能**:通过对有过错行为的制裁,预防不当行为的发生+- **自由保障**:行为人在不违反法律的情况下享有行动自由++### 1.2 过错的概念与类型++**过错**包括故意和过失两种形态:++**故意**:行为人预见损害结果的发生并希望或放任该结果发生的心理状态。故意又可分为:+- 直接故意:希望损害结果发生+- 间接故意:放任损害结果发生++**过失**:行为人应当预见损害结果的发生而因疏忽大意未预见,或已经预见但轻信能够避免的心理状态。过失可分为:+- 普通过失:一般人的注意义务+- 重大的过失:显然超出一般人的注意程度++---++## 第二章 《民法典》第1165条的规范解读++### 2.1 条文内容++> 《中华人民共和国民法典》第一千一百六十五条:行为人因过错侵害他人民事权益造成损害的,应当承担侵权责任。+> 依照法律规定推定行为人有过错,其不能证明自己没有过错的,应当承担侵权责任。++### 2.2 规范结构++该条采用一般条款的立法模式,包含以下要件:+1. **行为**:侵害民事权益的行为+2. **过错**:行为人主观上的故意或过失+3. **损害**:实际损害结果的发生+4. **因果关系**:行为与损害之间存在因果关系++### 2.3 举证责任++根据"谁主张谁举证"原则,原告须证明:+- 被告实施了侵权行为+- 被告存在过错+- 原告遭受了损害+- 行为与损害之间存在因果关系++例外:法律规定推定过错的,由被告证明自己无过错(如产品责任、医疗损害责任)。++---++## 第三章 判例法中的过错认定标准++### 3.1 安全保障义务案件中的过错认定++**指导案例140号**:在公共场所或者道路上挖掘、修缮安装地下设施等造成他人损害,施工人不能证明已经设置明显标志和采取安全措施的,应当承担侵权责任。++本案确立了安全保障义务的"结果义务"性质——只要损害发生且不能证明已尽义务,即推定过错。++### 3.2 医疗损害责任中的过错认定++**指导案例142号**:患者在诊疗活动中受到损害,医疗机构及其医务人员有过错的,由医疗机构承担赔偿责任。医疗过错的认定应当以当时的医疗水平为标准。++此处"当时的医疗水平"包括:+- 诊疗规范规定的注意义务+- 当时的医学共识+- 医疗机构自身的条件和能力++### 3.3 高度危险责任中的过错推定++根据《民法典》第一千二百三十九条,从事高空、高压、地下挖掘活动或者使用高速轨道运输工具造成他人损害的,经营者应当承担侵权责任;但是,能够证明损害是因受害人故意或者不可抗力造成的,不承担责任。++---++## 第四章 过错认定的学说争议++### 4.1 主观过错说 vs 客观过错说++**主观过错说**:过错是行为人内心的心理状态,是道义上的谴责。++**客观过错说**:过错是行为人违反客观注意标准的行为,是对注意义务的违反。++通说采取折衷立场:过错的判断以客观标准为主,兼顾行为人的具体情况。++### 4.2 违法性要件的独立地位++关于违法性是否独立于过错存在两种观点:++**违法性一元论**:违法性被过错吸收,无需单独判断。++**违法性二元论**:违法性与过错分别判断,违法性关注行为本身是否违反法律规范,过错关注行为人的可谴责性。++我国通说倾向于违法性二元论,但实践中两者往往同时判断。++---++## 参考文献++1. 王某:《侵权责任法研究》(第二版),某大学出版社,2016年。+2. 程某:《侵权责任法》(第三版),某出版社,2020年。+3. 张某:《侵权责任构成要件研究》,某出版社,2012年。+4. 杨某:《中华人民共和国侵权责任法释义》,某出版社,2010年。+5. 最高人民法院《关于审理人身损害赔偿案件适用法律若干问题的解释》(法释〔2022〕14号)。diff --git a/tests/fixtures/test_samples/zh/legal/msa_contract_sample.md b/tests/fixtures/test_samples/zh/legal/msa_contract_sample.mdnew file mode 100644index 0000000..9902c62--- /dev/null+++ b/tests/fixtures/test_samples/zh/legal/msa_contract_sample.md@@ -0,0 +1,231 @@+# 软件开发及技术服务主服务协议++**协议编号**:MSA-2024-XXX-001+**签订日期**:2024年1月15日++---++## 当事人++**甲方(委托方)**:XX科技有限公司+统一社会信用代码:91310000MA1XXXXXXX+注册地址:某市某区某路XX号+法定代表人:张某++**乙方(服务方)**:YY软件技术有限公司+统一社会信用代码:91110000MA2XXXXXXX+注册地址:某市某区某园区+法定代表人:李某++---++## 第一条 定义与释义++1.1 **"项目"**:指甲乙双方共同实施的XX管理系统开发项目。++1.2 **"软件产品"**:指乙方根据本协议约定为甲方开发的XX管理系统v2.0版本,包括前端界面、后端服务、数据库及移动端应用。++1.3 **"技术文档"**:指与软件产品相关的设计文档、用户手册、安装指南、操作说明及API接口文档。++1.4 **"知识产权"**:指专利权、著作权、商标权、商业秘密及其他智力成果相关权利。++1.5 **"机密信息"**:指任何一方在合作过程中向对方披露的、不为公众所知的商业秘密、技术信息、客户数据及业务计划。++1.6 **"不可抗力"**:指不能预见、不能避免且不能克服的客观情况,包括但不限于自然灾害、战争、罢工、政府行为及网络攻击。++1.7 **"验收标准"**:指双方约定的软件产品功能、性能及质量要求,详见附件《需求规格说明书》。++1.8 **"服务费"**:指甲方根据本协议约定向乙方支付的项目开发及技术服务费用,总金额为人民币XXX万元。++---++## 第二条 服务范围与内容++2.1 **系统开发**:乙方负责开发XX管理系统v2.0,包含以下模块:+ - 生产计划调度模块+ - 设备管理模块+ - 质量追溯模块+ - 数据分析看板模块++2.2 **技术培训**:乙方应在软件交付后为甲方提供累计不少于40人时的技术培训。++2.3 **运维服务**:在质保期内(自验收合格之日起12个月),乙方提供免费运维服务,包括:+ - 缺陷修复+ - 安全补丁更新+ - 性能优化++2.4 **二次开发**:在运维期内,乙方有义务配合甲方进行不超过200人时的二次开发工作。++---++## 第三条 项目进度与里程碑++3.1 **第一阶段**:需求分析与设计(2024年1月-3月)+ - 完成《需求规格说明书》+ - 完成系统架构设计+ - 交付物:需求文档、架构设计文档++3.2 **第二阶段**:核心功能开发(2024年4月-8月)+ - 完成核心模块开发+ - 完成内部测试+ - 交付物:可运行软件、内部测试报告++3.3 **第三阶段**:联调与验收(2024年9月-11月)+ - 完成系统联调+ - 完成UAT测试+ - 交付物:验收测试报告、完整技术文档++3.4 **第四阶段**:上线与质保(2024年12月-2025年11月)+ - 系统上线部署+ - 进入质保期+ - 提供运维服务++---++## 第四条 费用及支付方式++4.1 **服务费总价**:人民币XXX万元(含6%增值税)++4.2 **支付里程碑**:+ - 首付款:合同签订后5个工作日内,支付合同总价的30%,计人民币XXX万元+ - 阶段款:第二阶段完成并通过甲方确认后5个工作日内,支付合同总价的30%,计人民币XXX万元+ - 验收款:系统验收合格后5个工作日内,支付合同总价的30%,计人民币XXX万元+ - 质保金:质保期满后5个工作日内,支付合同总价的10%,计人民币XXX万元++4.3 **付款条件**:甲方付款前,乙方应开具相应金额的增值税专用发票。++---++## 第五条 知识产权归属++5.1 **软件产品知识产权**:+ 软件产品及相关技术文档的知识产权按以下方式约定:+ - 甲方享有软件产品的永久使用权及再许可权+ - 乙方保留软件产品底层框架及通用工具的知识产权+ - 双方共同开发的核心算法,由双方共同享有知识产权++5.2 **背景知识产权**:+ 双方在合作前各自拥有的知识产权("背景知识产权")归原方所有,本协议的签订不转移任何背景知识产权的所有权。++5.3 **新产生产权**:+ 合作过程中产生的新的知识产权("新产生产权"),归甲方所有,但乙方享有署名权。++---++## 第六条 双方权利与义务++6.1 **甲方权利与义务**:+ - 配合乙方完成需求调研,及时提供必要的企业信息及业务资料+ - 按时支付合同款项+ - 参与关键里程碑的评审与验收+ - 指定项目对接人,负责日常沟通协调++6.2 **乙方权利与义务**:+ - 按照《需求规格说明书》及本协议约定完成开发工作+ - 定期向甲方汇报项目进度+ - 保障项目人员稳定性,关键人员变更需经甲方书面同意+ - 对知悉的甲方商业秘密负有保密义务++---++## 第七条 验收标准与流程++7.1 **验收条件**:+ - 软件产品符合《需求规格说明书》约定的全部功能要求+ - 系统性能达到约定指标(响应时间<3秒,并发用户≥500)+ - 无P0/P1级缺陷+ - 完成全部技术文档的交付++7.2 **验收流程**:+ - 乙方完成开发后,向甲方提交验收申请+ - 甲方在收到申请后10个工作日内组织验收测试+ - 验收测试发现问题的,乙方应在15个工作日内完成整改+ - 整改后再次进行验收,重复上述流程直至验收通过++7.3 **验收确认**:+ 双方签署《验收确认书》后,视为验收合格。++---++## 第八条 违约责任++8.1 **逾期交付责任**:+ - 乙方未按约定时间完成各阶段交付物的,每逾期1个工作日,应向甲方支付合同总价0.5‰的违约金+ - 逾期超过30个工作日的,甲方有权解除合同并要求乙方返还已付款项+ - 违约金上限为合同总价的10%++8.2 **质量违约责任**:+ - 验收测试中发现的缺陷按严重程度分为P0、P1、P2、P3四个等级+ - P0级缺陷(系统崩溃、数据丢失):发现1个即视为验收不通过+ - P1级缺陷(核心功能不可用):允许存在不超过3个+ - P2级缺陷(非核心功能异常):允许存在不超过10个+ - P3级缺陷(界面、体验问题):允许存在不超过20个++8.3 **知识产权违约责任**:+ - 如因乙方原因导致软件产品侵犯第三方知识产权,乙方应承担全部赔偿责任,并负责解决侵权纠纷+ - 如因甲方提供的需求资料侵犯第三方知识产权,甲方应承担全部赔偿责任++8.4 **保密违约责任**:+ - 任何一方违反保密义务泄露对方机密信息的,应向对方支付合同总价20%的违约金+ - 违约金不足以赔偿实际损失的,违约方还应赔偿差额部分++8.5 **人员稳定性违约**:+ - 乙方关键项目成员未经甲方书面同意擅自离职的,每人应向甲方支付人民币20万元的违约金++---++## 第九条 不可抗力++9.1 **免责条件**:+ 因不可抗力导致任何一方无法履行本协议义务的,该方不承担违约责任,但应及时通知对方并提供证明材料。++9.2 **减损义务**:+ 发生不可抗力事件后,受影响方应采取必要措施减少损失,否则应承担扩大的损失。++9.3 **协议延续**:+ 不可抗力事件持续超过60个工作日的,双方可协商终止或变更本协议。++---++## 第十条 争议解决++10.1 **协商解决**:+ 因本协议产生的任何争议,双方应首先通过友好协商解决。++10.2 **仲裁解决**:+ 协商不成的,任何一方均有权向某仲裁委员会(仲裁地点:某市)申请仲裁,仲裁裁决为终局裁决。++---++## 第十一条 其他约定++11.1 **协议变更**:+ 本协议的任何变更须经双方书面协议方可生效。++11.2 **协议转让**:+ 未经对方书面同意,任何一方不得将本协议项下的权利义务全部或部分转让给第三方。++11.3 **通知送达**:+ 本协议项下的通知应以书面形式送达至对方注册地址或双方另行书面约定的地址。++11.4 **协议有效期**:+ 本协议自双方签字盖章之日起生效,至质保期满且双方权利义务履行完毕后终止。++11.5 **适用法律**:+ 本协议的订立、效力、解释、履行及争议解决均适用中华人民共和国法律。++---++**甲方(盖章)**:XX科技有限公司++**法定代表人或授权代表(签字)**:________________++**日期**:2024年1月15日++---++**乙方(盖章)**:YY软件技术有限公司++**法定代表人或授权代表(签字)**:________________++**日期**:2024年1月15日diff --git a/tests/fixtures/test_samples/zh/literature/critique_zhenhuan.md b/tests/fixtures/test_samples/zh/literature/critique_zhenhuan.mdnew file mode 100644index 0000000..530fbc9--- /dev/null+++ b/tests/fixtures/test_samples/zh/literature/critique_zhenhuan.md@@ -0,0 +1,162 @@+# 《甄嬛传》:后宫叙事中的权力美学与符号系统++## 一、核心论点++本文认为《甄嬛传》不仅是一部成功的宫斗剧,更是一部**权力结构的寓言文本**。该剧通过精心构建的意象系统、严密的叙事结构和复杂的人物关系网络,深刻揭示了封建皇权对女性身体与精神的双重规训,同时展现了女性在权力夹缝中寻求主体性的艰难历程。++## 二、意象系统分析++### 2.1 梅花:孤独与高洁的象征++梅花在《甄嬛传》中多次出现,其象征意义经历了从"高洁"到"被操控"的转变。++**首次出现**:甄嬛在倚梅园祈福时吟诵"逆风如解意,容易莫摧残",此时梅花象征着甄嬛高洁、不屈的品格。++**关键转折**:果郡王将梅花插入甄嬛发髻,这一动作将梅花从"独立的观赏对象"变为"被赋予的装饰物",隐喻甄嬛从"自主个体"沦为"权力玩物"的身份转变。++**引用文本**:+- "逆风如解意,容易莫摧残"(第一集,甄嬛倚梅园祈福)+- "梅花虽寒,却有暗香"(果郡王评梅花)++### 2.2 红烛:洞房与孤寂的双重隐喻++红烛在剧中多次出现,主要集中在甄嬛与皇帝的洞房之夜、以及甄嬛失宠后的独守空房场景中。++**正面意象**:红烛最初象征洞房花烛的喜庆与帝后恩宠。++**负面意象**:当甄嬛失宠后,红烛摇曳却无人相伴,象征着深宫中的漫漫长夜与无尽的孤寂。++**引用文本**:+- "红烛高烧,喜气盈门"(第26集,甄嬛封妃当晚)+- "这红烛再亮,也照不亮我的心"(第42集,甄嬛失宠后独语)++### 2.3 凤凰:权力与重生的终极象征++凤凰是甄嬛权力巅峰的象征。从入宫时的天真少女,到最终成为太后,甄嬛完成了从"雀"到"凤"的蜕变。++**前期**:甄嬛自比为"飞鸟",渴望飞出皇宫的牢笼。++**后期**:甄嬛身着凤袍,象征着她最终成为了权力的中心。++**引用文本**:+- "终有一天,我要成为这后宫的主人"(第64集,甄嬛决心复仇)+- "凤凰涅槃,浴火重生"(第76集,甄嬛成为太后)++### 2.4 意象关联网络++| 意象 | 初期象征 | 后期象征 | 关联意象 |+|------|----------|----------|----------|+| 梅花 | 高洁、孤傲 | 被操控、身不由己 | 红烛 |+| 红烛 | 恩宠、喜庆 | 孤寂、漫漫长夜 | 凤凰 |+| 凤凰 | 可望而不可及 | 权力巅峰、复仇成功 | 梅花 |+| 秋千 | 少女天真 | 逝去的青春 | 梅花 |+| 荷花 | 出淤泥而不染 | 权力漩涡中的挣扎 | 梅花 |++## 三、叙事结构分析++### 3.1 主线叙事:甄嬛的"黑化"之路++甄嬛从入宫到成为太后,这一成长历程构成了剧集的主线叙事。根据叙事学理论,这是一条典型的"英雄之旅":++**第一幕:启程**+- 甄嬛入宫,因酷似纯元皇后而受到皇帝关注+- 与果郡王相遇,萌生真挚感情+- 初次品尝权力的残酷(华妃陷害)++**第二幕:考验**+- 失宠、被贬甘露寺+- 果郡王之死,甄嬛决心复仇+- 重新回宫,开启权力征程++**第三幕:归来**+- 甄嬛逐步扳倒华妃、皇后+- 成为后宫实际的权力中心+- 登上太后之位++### 3.2 支线叙事++**支线一:沈眉庄与安陵容的友谊线**++沈眉庄与甄嬛的友情是剧中唯一真挚的情感纽带,而安陵容的背叛则象征着权力对友谊的腐蚀。++- 起点:三人同时入宫,结为好友+- 转折:安陵容因自卑与嫉妒,投靠皇后+- 终点:沈眉庄难产而死,甄嬛痛失挚友++**支线二:华妃的盛衰线**++华妃是剧中塑造最为成功的反派角色之一,她的悲剧在于真挚地爱着皇帝,却最终被皇帝赐死。++- 起点:华妃宠冠六宫,骄纵跋扈+- 转折:年羹尧失势,华妃被降为年答应+- 终点:华妃得知皇帝一直在利用她,绝望撞柱而死++**支线三:果郡王的悲剧爱情线**++果郡王与甄嬛的爱情是全剧最浪漫的叙事线,也是最具悲剧色彩的部分。++- 起点:桐花台夜话,两人互诉衷肠+- 转折:皇帝命甄嬛毒杀果郡王+- 终点:果郡王中毒身亡,甄嬛伤心欲绝++### 3.3 插叙叙事:纯元皇后的幽灵++纯元皇后从未真正出场,却始终是笼罩在后宫上空的幽灵。她是皇帝心中的白月光,也是甄嬛悲剧命运的根源。++**叙事功能**:+1. 揭示皇帝的多情与薄情+2. 为甄嬛的受宠提供合理性(酷似纯元)+3. 成为皇后打击甄嬛的工具++**引用文本**:+- "纯元皇后是本宫心中永远的痛"(皇帝)+- "臣妾不过是纯元皇后的替身罢了"(甄嬛)++## 四、论证逻辑分析++### 论据一:空间叙事与权力等级++剧中空间的转换严格对应角色地位的升降。碎玉轩的偏远象征甄嬛初期的不受宠,而皇后寝宫的庄严则暗示权力的核心。++**空间-权力对照表**:++| 空间 | 位置 | 象征意义 | 对应人物 |+|------|------|----------|----------|+| 碎玉轩 | 皇宫西北角 | 低微、不受宠 | 甄嬛(初期) |+| 皇后寝宫 | 皇宫中心 | 权力核心 | 皇后 |+| 华妃宫殿 | 皇宫东北角 | 宠冠六宫 | 华妃(前期) |+| 甘露寺 | 皇宫之外 | 被打入冷宫 | 甄嬛(中期) |+| 寿康宫 | 皇宫东北角 | 太后居所 | 甄嬛(后期) |++### 论据二:服饰的颜色政治++甄嬛服饰颜色的变化,是其权力轨迹的外在符号。++- **粉色**:入宫初期,天真烂漫+- **绿色**:甘露寺时期,简朴清苦+- **红色**:回宫复仇,强势凌厉+- **紫色**:成为太后,庄重威严++### 论据三:三角恋的政治隐喻++甄嬛-果郡王-皇帝之间的三角恋,并非单纯的情感纠葛,而是**两股政治力量的博弈**。++- **皇帝**:代表绝对皇权,不可违抗+- **果郡王**:象征"去中心化"的可能性,对皇权构成威胁+- **甄嬛**:在两者之间抉择,实质是在权力与爱情之间挣扎++**核心观点的形成逻辑**:++{梅花意象的象征转变} + {空间叙事的权力等级} + {三角恋的政治隐喻} → 权力结构寓言++## 五、结论++《甄嬛传》的文学价值在于它创造了一个多层次的符号系统。梅花、红烛、凤凰等意象不仅是装饰,更是支撑整个叙事逻辑的结构性元素。该剧将**个人成长史**与**权力博弈史**融为一体,既满足了大众对宫斗剧情的审美期待,又提供了对封建权力的深刻批判。++从叙事学角度看,该剧的成功在于它完美平衡了**主线**(甄嬛的权力之路)、**支线**(各配角的悲欢离合)与**插叙**(纯元皇后的幽灵)之间的关系,形成了一个严密而富有张力的叙事网络。++## 参考文献++1. 《甄嬛传》电视剧剧本(2011年)+2. 海宴:《后宫·甄嬛传》,湖南文艺出版社,2008年+3. 热奈特:《叙事话语 新叙事话语》,中国社会科学出版社,1990年diff --git a/tests/fixtures/test_samples/zh/literature/novel_langya.md b/tests/fixtures/test_samples/zh/literature/novel_langya.mdnew file mode 100644index 0000000..771c062--- /dev/null+++ b/tests/fixtures/test_samples/zh/literature/novel_langya.md@@ -0,0 +1,139 @@+# 琅琊榜 - 梅长苏归京(节选)++## 第一章:江左盟主++江湖传言,琅琊榜首梅长苏,十二年前本名林殊,乃赤焰军少帅。赤焰军一案,林氏全族被灭,只有林殊一人侥幸存活,改名换姓,成为江左盟盟主。++江湖上无人知晓梅长苏的真实身份,只知道他一手创建的江左盟,势力遍布大梁十三州,手下高手如云。更无人知道,这位病弱青年,竟是当年意气风发的赤焰军少帅。++## 第二章:太子与誉王的博弈++大梁朝堂,太子萧景宣与誉王萧景桓明争暗斗,各自网罗人才。太子一党有户部尚书楼之敬、尚书令何敬中;誉王一党有庆国公、宁国侯谢玉。两派势力不相上下,朝堂之上暗流涌动。++这一日,誉王收到琅琊阁的密报:"琅琊榜首梅长苏,才冠绝伦,得之可得天下。"++誉王立即命人前往江左,邀请梅长苏入京。++## 第三章:京城风云++梅长苏入京之日,京城万人空巷。他乘坐一辆毫不起眼的马车,在黎纲、甄平的护送下,悄然进入京城最繁华的朱雀大街。++【主要地点】++- **朱雀大街**:京城最繁华的商业街,梅长苏入京必经之路+- **雪庐**:梅长苏在京城的临时居所,位于城西一处清幽别院+- **太子府**:太子萧景宣的住所,位于皇城东侧+- **誉王府**:誉王萧景桓的住所,位于皇城西侧+- **妙音坊**:京城最著名的乐坊,表面卖艺,实为梅长苏的情报据点+- **宁国侯府**:谢玉的府邸,谢玉是誉王的心腹,也是赤焰军一案的幕后黑手之一++【关键物品】++- **赤焰手环**:林殊家族的传家之物,赤焰军少帅的身份象征+- **琅琊榜**:琅琊阁每年更新的天下高手排行榜+- **冰续草**:一种稀有草药,能延续梅长苏的生命+- **金牌令**:江左盟盟主的信物,可调动江左盟全部势力++## 第四章:故人相见++梅长苏入住雪庐的第一日,他的两位旧部——霓凰郡主与靖王萧景琰,前来拜访。++霓凰郡主本是林殊的未婚妻,十二年前赤焰军一案后,她镇守云南,手握十万铁骑,至今未嫁。当她看到梅长苏的那一刻,便认出了这位故人。++**霓凰郡主**(眼眶微红):"苏先生台鉴:故人远来,霓凰不胜之喜。"++**梅长苏**(淡淡):"郡主谬赞了。在下只是一介布衣。"++【霓凰郡主与梅长苏相认,两人心中均是百感交集。】++靖王萧景琰是林殊的挚友,十二年前因赤焰军一案被父皇迁怒,至今仍是七珠亲王,无缘太子之位。他性格刚直,不愿与朝堂权贵同流合污。++**靖王**:"先生大才,本王佩服。"++**梅长苏**:"王爷过誉。在下只是想为这天下,做一些力所能及之事。"++【靖王看着梅长苏,总觉得此人似曾相识,却又说不清在哪里见过。】++## 第五章:朝堂暗流++太子与誉王得知梅长苏入京,纷纷抛出橄榄枝。太子邀请梅长苏赴宴,誉王则亲自登门拜访。++【人物关系网络】++**朝堂派系**++- **太子一党**:太子萧景宣(核心)、户部尚书楼之敬、尚书令何敬中、越贵妃+- **誉王一党**:誉王萧景桓(核心)、庆国公、宁国侯谢玉、般弱+- **靖王一党**:靖王萧景稳、霓凰郡主、梅长苏(幕后军师)++**江湖势力**++- **江左盟**:梅长苏(盟主)、黎纲(副盟主)、甄平(护法)+- **琅琊阁**:蔺晨(少阁主)、老阁主+- **大渝**:袁先生(谋士)+- **南楚**:百里奇(高手)++【关键事件时间线】++1. **梅长苏入京**(第1日):入主雪庐+2. **誉王拜访**(第3日):誉王亲赴雪庐,寻求合作+3. **太子设宴**(第5日):太子宴请梅长苏,被婉拒+4. **霓凰相认**(第7日):霓凰郡主认出梅长苏身份+5. **靖王结交**(第10日):靖王与梅长苏深谈+6. **妙音坊案**(第15日):太子党羽楼之敬利用妙音坊贩卖私盐,梅长苏借机出手+7. **朝堂论礼**(第20日):誉王在梅长苏指点下,在朝堂上一举击败太子+8. **扳倒谢玉**(第30日):梅长苏设计揭露谢玉当年参与赤焰军一案的真相++## 第六章:冰续草之约++梅长苏的身体一日不如一日,他中的火寒之毒,需要冰续草才能延续生命。然而冰续草极为稀有,整个大梁只有三株。++霓凰郡主动用云南穆府的力量,为梅长苏寻得两株冰续草。++**霓凰郡主**:"苏先生,这冰续草是我穆府的心意,请您务必收下。"++**梅长苏**:"郡主大恩,林殊没齿难忘。"++【霓凰郡主听到"林殊"二字,泪水再也控制不住。】++## 第七章:赤焰真相++扳倒宁国侯谢玉的那一天,梅长苏终于可以将十二年前的真相公之于众。++当年,赤焰军大帅林燮(林殊之父)率军出征大渝,得胜回朝时,却在梅岭遭到谢玉带领的军队伏击。谢玉勾结大渝,伪造赤焰军谋反的证据,株连林氏全族。++**梅长苏**(在朝堂上):"陛下明鉴,十二年前赤焰军一案,乃是谢玉与夏江勾结,伪造证据,陷害忠良!"++【朝堂震动,靖王终于可以为赤焰军翻案。】++## 人物关系详解++### 林氏家族++- **林殊**(梅长苏):赤焰军少帅,林燮之子,现为江左盟盟主+- **林燮**:赤焰军大帅,林殊之父,十二年前被陷害致死+- **林乐瑶**:晋阳长公主,林殊之姑母++### 皇室与朝臣++- **萧景琰**:靖王,林殊挚友,十二年前被迁怒+- **霓凰郡主**:林殊未婚妻,镇守云南+- **萧景宣**:太子,昏庸无能+- **萧景桓**:誉王,工于心计+- **谢玉**:宁国侯,誉王心腹,赤焰军一案主谋之一+- **夏江**:悬镜司首尊,赤焰军一案主谋之一++### 江湖势力++- **梅长苏**:江左盟盟主,琅琊榜首+- **黎纲**:江左盟副盟主+- **甄平**:江左盟护法+- **蔺晨**:琅琊阁少阁主+- **蒙挚**:禁军大统领,林殊旧部++### 物品归属++- **赤焰手环**:林殊家传,现由梅长苏保管+- **冰续草**:霓凰郡主赠予梅长苏,共两株+- **金牌令**:梅长苏所有,可调动江左盟+- **琅琊榜**:存放于琅琊阁diff --git a/tests/fixtures/test_samples/zh/literature/screenplay_zhenhuan.md b/tests/fixtures/test_samples/zh/literature/screenplay_zhenhuan.mdnew file mode 100644index 0000000..d851fd6--- /dev/null+++ b/tests/fixtures/test_samples/zh/literature/screenplay_zhenhuan.md@@ -0,0 +1,167 @@+# 甄嬛传 · 桐花台夜话++## 第一场:桐花台 - 室外 - 夜++【天空阴沉,细雨绵绵。桐花台上,夕颜花静静开放。】++**果郡王**(允礼):"夕颜花只在夜间开放,见不得日光,如同这宫中的秘密。"++【允礼独自站在桐花台边,手执一盏宫灯。】++**果郡王**(内心独白):"今夜是她与我的约定之期,不知她是否会来。"++【远处传来脚步声,甄嬛手持油纸伞缓缓走来。】++**甄嬛**:"王爷好雅兴,深夜在这桐花台赏花。"++**果郡王**:"甄妹妹来了。我已在此等候多时。"++【甄嬛收起伞,走到允礼身边。】++**果郡王**:"你看这夕颜,虽然朝生暮死,却开得如此绚烂。"++**甄嬛**:"王爷是在感慨夕颜,还是在感慨自己?"++**果郡王**(苦笑):"我只是在感慨,这宫中的女人,如同这夕颜一般,身不由己。"++【甄嬛低头沉默,眼中闪过一丝悲伤。】++**甄嬛**:"王爷可知,我每日在这宫中,最大的敌人不是华妃,不是皇后,而是这无边的孤寂。"++**果郡王**:"我明白。"++【允礼轻轻握住甄嬛的手。】++**果郡王**:"那日你在倚梅园祈福,我隔墙听到你的祈愿。"++**甄嬛**(惊讶):"你......你听到了?"++**果郡王**:"逆风如解意,容易莫摧残。妹妹的愿望,我记到了心里。"++【甄嬛眼中泛起泪光。】++**甄嬛**:"在这宫中,能懂我的人不多,王爷是其中一个。"++## 第二场:桐花台 - 室外 - 夜(续)++【雨势渐大,甄嬛的油纸伞被风吹落。】++**果郡王**:"小心!"++【允礼一把拉住甄嬛,两人在雨中相依。】++**果郡王**:"跟我走吧。"++**甄嬛**(挣扎):"不,我不能。"++**果郡王**:"我可以带你离开这皇宫,去一个没有争斗的地方。"++**甄嬛**(摇头):"我的家族,我的父母,都在这宫中。我不能自私地一走了之。"++**果郡王**:"难道你就要在这宫中耗费一生吗?"++【甄嬛推开允礼,后退一步。】++**甄嬛**:"王爷,你我之间,只能是兄妹之情。"++【允礼苦笑着点头。】++**果郡王**:"我明白。"++## 第三场:皇后寝宫 - 室内 - 日++【皇后坐在凤座上,华妃站立一旁。】++**皇后**:"华妃,你可知晓近日果郡王与甄氏走得近了些?"++**华妃**:"臣妾有所耳闻。皇后娘娘是想......"++**皇后**:"果郡王是皇上的亲弟弟,若是传出什么闲话......"++**华妃**(冷笑):"甄氏不过是仗着有几分姿色迷惑果郡王罢了。臣妾有一计,可让她身败名裂。"++**皇后**:"哦?说来听听。"++**华妃**:"三日后是皇上的万寿节,到时甄氏必定献舞。臣妾让人在她的舞衣上做些手脚......"++**皇后**(点头):"此事交给你去办,切记不要留下把柄。"++## 第四场:碎玉轩 - 室内 - 日++【甄嬛正在绣花,沈眉庄来访。】++**沈眉庄**:"甄嬛,你可知华妃要在万寿节上对付你?"++**甄嬛**(抬头):"眉姐姐此话怎讲?"++**沈眉庄**:"我今日无意中听到华妃与颂芝的对话,说要在你的舞衣上动手脚。"++**甄嬛**(冷笑):"她终于要出手了吗?"++**沈眉庄**:"你要小心啊。"++**甄嬛**:"兵来将挡,水来土掩。我倒要看看,她能使出什么手段。"++【甄嬛眼中闪过一丝寒光。】++**甄嬛**(内心独白):"既然你们不仁,就别怪我不义。"++## 第五场:万寿节宴会 - 宴会厅 - 夜++【灯火通明,丝竹声起。甄嬛一袭红衣,准备献舞。】++【甄嬛起舞,动作优美流畅。】++【突然,舞衣撕裂,露出里面的旧衣。】++【众人惊呼,甄嬛站立原地,面色苍白。】++**皇帝**(大怒):"这是怎么回事?!"++**华妃**(故作惊讶):"哎呀,甄妹妹这身舞衣是怎么回事?莫不是对皇上有意见?"++【甄嬛跪倒在地。】++**甄嬛**:"臣妾罪该万死,求皇上恕罪。"++【果郡王在座上看不下去,起身。】++**果郡王**:"皇兄息怒,甄妹妹许是受人陷害。"++**皇帝**(看向果郡王):"你为她求情?"++【允礼意识到失言,低头不语。】++**华妃**:"果郡王与甄氏果然情深意重啊。"++【皇帝面色铁青。】++**皇帝**:"此事容后再查。甄氏你先退下。"++【甄嬛含着泪退下,与果郡王对视一眼,满是无奈。】++## 第六场:碎玉轩 - 室内 - 夜++【甄嬛独坐床边,悲痛欲绝。】++**甄嬛**(内心独白):"今日之辱,我甄嬛记下了。华妃,皇后,你们加诸在我身上的,我终有一日会加倍奉还!"++【敲门声起。】++**甄嬛**:"谁?"++**沈眉庄**:"是我。"++【沈眉庄推门而入。】++**沈眉庄**:"你还好吗?"++**甄嬛**:"不好。眉姐姐,我今日算是彻底看清了这宫中的形势。"++**沈眉庄**:"你打算怎么做?"++**甄嬛**:"我要报复。华妃不是最在意皇上的恩宠吗?我就偏要夺走它。"++【甄嬛眼中满是决心。】++**甄嬛**:"从今日起,我不再是那个天真的甄嬛了。"