extract-agent 0.4.0

Add your description here

Extract Agent

本 README 只给最短操作流程。

场景：从本地 PDF 准备 workspace，然后运行 agentic-extract 迭代。

0. 快速开始

quick start

命令行常用用法见 agentic-extract CLI

维护者发布流程见 release-process skill

1. 安装

uv tool install extract-agent

安装 extract-agent 后会同时暴露这些命令：

• agentic-extract
• xdev
• xdev-config
• pdf-ai-explorer
• tree-sitter-cli

2. 配置

~/.config/xdev/config.json

{
  "pdf_parse_concurrent": 1
}

PDF 解析默认使用本机 ppx 命令（来自 memect-ppx），请先确认 ppx parse <pdf> 可用。pdf_parse_concurrent 控制批量 PDF 时 PPX 同时解析多少个文件。

~/.config/agentic-extract/config.json

{
  "model": "openai/gpt-4.1",
  "api_base": "https://api.openai.com/v1",
  "api_key": "YOUR_API_KEY"
}

也可以直接运行：

xdev-config

它会同时写入全局 agentic-extract / xdev 配置。

如果后端是 OpenAI 兼容接口上的 GLM 等模型，仍写成 openai/<model_name>。但官方 DeepSeek API 建议显式写成 deepseek/<model_name>，这样能启用 DeepSeek 专用 formatter，在 thinking + tools 场景里正确保留 reasoning_content。例如：

{
  "model": "openai/GLM-5",
  "api_base": "http://your-openai-compatible-endpoint",
  "api_key": "YOUR_API_KEY"
}

官方 DeepSeek API 示例：

{
  "model": "deepseek/deepseek-v4-pro",
  "api_base": "https://api.deepseek.com/v1",
  "api_key": "YOUR_DEEPSEEK_API_KEY"
}

3. 一键模式

如果你不想手动拆成“导入数据 + 运行”两步，可以直接：

agentic-extract auto \
  --workspace /path/to/workspace \
  --pdfs-dir /path/to/pdfs

4. 创建 workspace

xdev init /path/to/workspace
cd /path/to/workspace

5. 从本地 PDF 导入数据

xdev import-data --pdfs /path/to/pdfs

导入后先看一下：

xdev list

6. 调试

看单个文档：

xdev doc <doc_id>

运行单个文档：

xdev run <doc_id>
xdev run --workspace /path/to/workspace --pdf /path/to/file.pdf
xdev run --workspace /path/to/workspace --docjson /path/to/file.json

--docjson 会自动识别 canonical DocJSON 和 PPX DocJSON；不需要指定格式。

评估：

xdev eval

7. 跑 agentic-extract

agentic-extract run --workspace /path/to/workspace

如果只想先检查配置和连通性：

agentic-extract run --workspace /path/to/workspace --dry-run

如果想清空运行状态后重新开始：

agentic-extract run --workspace /path/to/workspace --reset

8. 后续继续迭代

新增 PDF：

xdev import-data --add-pdf /path/to/new.pdf

重新解析：

xdev import-data --reparse

然后继续跑：

agentic-extract run --workspace /path/to/workspace