agentic-extract

name	agentic-extract
description	当用户要启动 agentic loop、使用 one-click auto、通过 Python API 调用完整流程、或在运行过程中接收 callback 和 heartbeat 事件时使用此 skill。如果用户当前主要是在准备或维护 `.xdev` 数据，先转到 xdev skill。

agentic-extract

agentic-extract 负责 workspace 的运行层。

前置检查

开始前先确认当前环境至少能满足本次任务。

命令

至少检查：

agentic-extract --help

如果命令不可用，先安装：

uv tool install extract-agent

extract-agent 发布到 PyPI，默认安装命令不需要指定私有 index。

配置

agentic-extract 最小需要的 LLM 配置通常是：

• model
• api_base
• api_key

模型名前缀规则要明确：

• 推荐总是写成 provider/model_name
• 当前实现支持的 provider 前缀是：openai、deepseek、gemini、anthropic
• 如果 model 里不写前缀，当前会默认按 openai 解析
• 前缀应按“API 协议 / SDK 适配层”来选，不要按模型品牌名来猜
• 如果后端是 OpenAI 兼容接口上的 GLM 或其他普通兼容模型，应写成 openai/<model_name>
• 官方 DeepSeek API 建议显式写成 deepseek/<model_name>，例如 deepseek/deepseek-v4-pro
• 例如 https://code.memect.cn 这类 OpenAI 兼容端点，glm-5 应写成 openai/glm-5，不要写 anthropic/glm-5
• 只有当后端真的走 Anthropic 协议时，才写 anthropic/<model_name>
• 不确定时，先用显式前缀加 agentic-extract run --dry-run 验证，不要依赖隐式默认行为

常见来源：

• CLI 参数
• 环境变量：AE_MODEL / AE_API_BASE / AE_API_KEY
• ~/.config/agentic-extract/config.json
• $CWD/.agentic-extract.json
• workspace 向上到 repo 根目录的 .agentic-extract.json

如果当前任务是 agentic-extract auto，还要注意：

• --set-id 路径需要 base_url
• --pdfs-dir 路径需要本机 ppx 命令可用
• --data-dir 路径通常只依赖本地数据

最小验证优先使用：

agentic-extract run \
  --workspace /path/to/workspace \
  --model openai/gpt-4.1 \
  --api-base https://api.openai.com/v1 \
  --api-key "$OPENAI_API_KEY" \
  --dry-run

优先在这些场景使用本 skill：

• workspace 已有可运行 .xdev 数据，准备启动 agentic loop
• 希望一键完成“按需准备数据 + 开始运行”
• 外部 Python 程序要调用完整流程
• 调用方需要 progress callback、heartbeat、token usage、迭代耗时

不要把下面这些事放在本 skill 里：

• 详细的数据导入或同步操作
• 标注工作流本身
• 把 xdev 的数据维护命令重新包装一遍

先做判断

• 如果 workspace 数据已经准备好，读 references/run.md
• 如果用户要 one-click bootstrap，再运行，读 references/auto.md
• 如果用户要从 Python 调用，读 references/python_api.md
• 如果用户关心 callback、heartbeat、token 与耗时，读 references/progress_events.md
• 如果 .xdev 还没准备好且用户只是在做数据维护，切到 xdev skill

工作原则

• agentic-extract run 是纯运行命令
• agentic-extract auto 是 one-click 准备加运行
• 增量导入、补 PDF、同步 PDF 属于 xdev，不属于 agentic-extract
• 运行态信息写入 .agent_state/，这是运行层，不是数据层
• 稳定对外暴露的是粗粒度 progress event，不要依赖内部实现细节

最短路径

1. 确认 workspace 已有可运行 .xdev，否则先走 xdev
2. 日常迭代优先 agentic-extract run --workspace /path/to/workspace
3. 首次 bootstrap 或外部程序一键调用，优先 agentic-extract auto
4. Python 程序：
   • 已有最终 settings -> run_agentic_extract()
   • 希望自动解析配置并按需准备数据 -> run_agentic_extract_auto()
5. 需要持续感知进度时，使用 on_event callback 和 heartbeat_interval_sec