Entity Attribute Aggregator 实体属性聚合 Skill

功能概述

本skill通过调用大语言模型（LLM）API，从多个相关文档中智能提取并总结给定实体的特定属性信息。 例如：从多篇关于李莲花的文档中总结其"身份背景"或"主要经历"。

触发条件

当用户请求以下任务时，应使用此skill：

• 从多个文档中提取实体信息
• 总结某人物/实体的属性（如身份背景、主要经历、成就等）
• 聚合分散在不同文档中的实体特征
• 根据文档内容生成实体画像
• 文档信息抽取与整合

核心参数说明

必需参数

参数	说明	示例
--api_model	调用的LLM模型名称	qwen2.5-72b-instruct, gpt-4o
--entity	要提取属性的实体名称	李莲花, 孙悟空
--attribute	要提取的属性名称	身份背景, 主要经历, 另外身份

可选参数

参数	说明	默认值
--input_key	输入文档的键名	event_description
--output_key	输出结果的键名	entity_attribute
--word_limit	输出字数限制	100
--max_token_num	输入文档的最大token数	None (无限制)
--api_endpoint	API端点URL	None
--example_prompt	示例提示词	None

输入文件格式

输入为JSON文件，支持两种格式：

格式1：单条数据

{
  "meta": [
    {"event_description": "文档内容1"},
    {"event_description": "文档内容2"}
  ]
}

格式2：多条数据

[
  {
    "meta": [
      {"event_description": "文档内容1"},
      {"event_description": "文档内容2"}
    ]
  }
]

使用方法

步骤1：准备输入数据

确保文档内容存储在JSON文件的 meta 字段下，每个文档使用 --input_key 指定的键名（默认 event_description）。

步骤2：执行聚合脚本

python scripts/run_entity_attribute_aggregator.py \
  --input <输入JSON文件路径> \
  --output <输出JSON文件路径> \
  --api_model <模型名称> \
  --entity <实体名称> \
  --attribute <属性名称> \
  [--word_limit <字数限制>]

步骤3：获取结果

脚本执行完成后，输出文件包含聚合后的属性总结。

命令行参数速查

python scripts/run_entity_attribute_aggregator.py \
  --input ./input.json \
  --output ./output.json \
  --api_model qwen2.5-72b-instruct \
  --entity 李莲花 \
  --attribute 身份背景 \
  --word_limit 100

输出示例

输出JSON格式：

{
  "entity_attribute": "# 李莲花\n## 身份背景\n..." 
}

命令行输出：

[OK] Entity attribute aggregation completed!
   Entity: 李莲花
   Attribute: 身份背景
   Input file: ./input.json
   Output file: ./output.json

环境要求

安装依赖： 本SKILL使用依赖 data_juicer，请在调用前安装好python环境并安装data_juicer，可用以下指令进行安装：

pip install py-data-juicer

API配置： 使用此skill前，需要设置以下环境变量：

export OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1/
export OPENAI_API_KEY=your_api_key

注意事项

1. 必需参数： --api_model, --entity, --attribute 是必需参数
2. 输入格式：输入JSON必须包含 meta 字段
3. API配置：确保环境变量中配置了正确的API端点和密钥
4. 输出路径：脚本会自动创建输出目录
5. 字数限制：默认100字，可通过 --word_limit 调整