OneKE

定义模式，自动抽取知识，Docker 一键部署。

OneKE 是一个基于大语言模型的知识抽取系统，以 Docker 容器化方式部署，通过模式（Schema）引导的智能体（Agent）机制，从非结构化文本中自动抽取实体、关系、事件等结构化知识。它解决了传统知识抽取工具依赖大量标注数据、难以适配新领域、流程复杂等问题，用户只需定义目标模式，即可让系统按需完成抽取任务。核心能力包括：支持自定义抽取模式、基于 LLM 的零样本/少样本抽取、可复现的 Docker 部署、以及面向学术研究的基准测试。该系统发表于 WWW 2025，适合需要快速构建知识图谱或进行信息抽取的研究者与开发者。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 194

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队zjunlp

所属国家

官网地址http://oneke.openkg.cn

GitHubhttps://github.com/zjunlp/OneKE

定价模式free

价格说明开源项目，MIT许可证，可自行部署，完全免费。

访问状态

是否开源是

开源协议MIT

主要语言HTML

技术栈/模型agent,agents,artificial-intelligence,event-extraction,information-extraction,knowledge-extraction,knowledge-graph,large-language-models,multi-agent,named-entity-recognition,natural-language-processing,ner,oneke,openie,relation-extraction,schema

GitHub 星标★ 194

30天Star增速

HF 下载量

上线时间2024-09-14 00:00:00

最近更新2026-09-17 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

模式引导的智能体设计，无需训练即可适配新抽取任务
Docker 容器化，环境配置简单，易于复现
支持实体、关系、事件等多种抽取类型，覆盖知识图谱构建需求

不足之处

早期项目，文档和社区支持尚待完善
依赖外部 LLM API，可能产生推理成本

适用场景

学术研究中从文献自动抽取实体关系构建知识图谱
企业快速搭建领域知识库，无需标注数据
开发可定制化的信息抽取管道，集成到现有系统

替代项目

DeepKE、OpenIE、REBEL

项目介绍

OneKE 是智能体领域的开源项目，由 zjunlp 开发，2024 年首次发布。

它收录于智能体分类，该分类目前共有 2,499 个项目，GitHub 星标数为 194。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-17。MIT许可证，可自行部署，完全免费。

它主要面向的使用场景是：学术研究中从文献自动抽取实体关系构建知识图谱。同类可对比的替代方案包括 DeepKE、OpenIE、REBEL。

上一篇：CORE

下一篇：Virtual-Scientists