Host-Model 提取
需要 edge-studio 0.0.1rc22 或更高版本。
确定性 URL 导入器把页面存成一条事实，或按 HTML 表格行拆分。对两者都不够用
的长篇正文页面，可以让更强的本地 Mac 模型阅读抓取到的材料并提出离散事实。
模型只负责提出——每条候选都要经 Edge 按 edge.demo.facts.v1 校验，通过后
才写入库。
运行
edge demo facts import-url "https://example.org/service-reference" \
--store service_docs_v1 \
--topic "service reference" \
--tags service,docs \
--extractor host-model \
--extractor-model qwen3.5-27b-4bit \
--json
- 提取模式是显式的：不加
--extractor host-model，导入保持确定性。不存在 静默的模型兜底。 --extractor-model指定本地模型，默认qwen3.5-27b-4bit。模型本地不存在 时命令失败即关闭并给出拉取指引——绝不上网找模型。- Host-model 提取只作用于单 URL 导入。
crawl-url不接受它。
校验层保证什么
模型输出只被视为候选事实：
- 模型收到抓取材料和一份严格输出契约。
- Edge 解析响应，只归一化顶层候选包装。
- 每条候选行都过与文件导入相同的确定性
edge.demo.facts.v1校验器——必需 字段、类型、数量。 - 无效输出在任何库写入之前失败即关闭。模型无法重定向目标库。
读回执
回执把这条路径标记为非确定性，并对每个阶段做指纹：
| 字段 | 含义 |
|---|---|
extractor.mode | host-model |
extractor.extractor_model_ref、model_path、model_sha256 | 实际运行的本地模型，带目录 manifest 哈希 |
prompt_sha256、schema_sha256 | 精确的指令与输出契约 |
input_sha256、model_input_sha256 | 交给模型的材料 |
output_sha256、validated_payload_sha256 | 模型原始输出与校验后 payload |
source_chars、model_input_chars、input_truncated | 模型是否看到了整页：长页面按 --max-chars 裁剪，回执如实说明 |
validation_status | passed——否则什么都没写入 |
non_deterministic_extraction | true |
同一页面两次运行可能产生不同的事实拆分——这是你为提取质量主动换取的
trade-off。如果回执报告 input_truncated: true，调大 --max-chars 或分段
导入页面。
什么材料用哪个提取器
| 材料 | 用法 |
|---|---|
| 带 HTML 表格的索引页 | 确定性 --split html-table-rows |
| 短页面、单一主题 | 确定性单页导入 |
| 含大量离散事实的长篇正文 | --extractor host-model |
| 若干链接页面 | crawl-url（仅确定性） |