Entity Attribute Aggregator

Documents

entity_attribute_aggregator

Entity Attribute Aggregator is an Agent Skill for documents published in the cas-bigdatalab/piflow repository on GitHub: a SKILL.md instruction file an AI agent can load to do this task.

实体属性聚合工具。从多个文档中提取并总结给定实体的特定属性信息。当用户提到从文档中提取实体信息、总结人物属性、聚合实体特征、提取文档中的实体信息、根据文档总结实体属性（如总结某人物的主要经历、身份背景、成就等）等需求时使用此skill。即使用户没有明确说出"聚合"或"实体"，只要任务涉及从多个文档中提取和总结某个主题/人物/实体的特定属性，就应该使用此skill。

View on GitHub ↗

QUICK START

How to use this skill

Bring this guide into your coding agent with a prompt tailored to the tool you use.

Open your project in Codex.
Copy and paste the prompt below.
Review files and risks before approving any action.

Prompt to paste

Inspect the Agent Skill at https://github.com/cas-bigdatalab/piflow/blob/HEAD/workspace/skills/entity_attribute_aggregator/SKILL.md and all supporting files. Report provenance, permissions, scripts, dependencies, and security risks. Propose an exact installation into .agents/skills/entity-attribute-aggregator, but wait for my approval before writing files or running scripts.

Copying this prompt does not install or run the skill. Review third-party files before use.

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

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