graph_explorer/issues/completed/0028b-enrichers-extract-trio.md

id, title, status, priority, created, depends_on

id	title	status	priority	created	depends_on
0028b	Enrichers extract_domain, extract_links, extract_text_entities	pending	high	2026-05-01	0028

Objetivo

Tres enrichers Python adicionales que reusan el contrato validado por fetch_webpage. Cada uno cubre un eje de extraccion distinto.

1. extract_domain

applies_to: [Url, Webpage, Email]
emits: [Domain]
relations: [BELONGS_TO]

• Saca el dominio de metadata.url o metadata.address.
• Crea nodo Domain si no existe + relacion BELONGS_TO.
• Util cuando el usuario tiene un Url/Email que aun no ha sido fetched pero quiere ver el dominio en el grafo.

2. extract_links

applies_to: [Webpage]
emits: [Url]
relations: [LINKS_TO]

• Lee metadata.markdown_path. Si vacio → exit con error "run fetch_webpage first".
• extract_urls_py_cybersecurity sobre el contenido.
• Para cada URL distinta encontrada:
  • Crea nodo Url con metadata.url (si no existe).
  • Relacion LINKS_TO desde la Webpage origen.
• Param: max_links (default 50) para no saturar el grafo.

3. extract_text_entities

applies_to: [Webpage]
emits: [Person, Org, Email, Phone, Domain, Location, IPAddress, CVE, ...]
relations: [EXTRACTED_FROM, ...relaciones que GLiREL detecte]

• Lee metadata.markdown_path.
• Llama extract_graph_hybrid_py_pipelines (regex IoCs + GLiNER + GLiREL + LLM fallback).
• Para cada entidad detectada:
  • Resuelve por (name, type) en operations.db. Si no existe la crea.
  • Relacion EXTRACTED_FROM desde la entidad nueva al nodo Webpage.
• Para cada relacion detectada por GLiREL:
  • Relacion entre las dos entidades con el kind predicho.
• Params:
  • chunk_size (default 2000)
  • use_llm_fallback (default false — evitar coste; el usuario lo activa en jobs concretos)

Definicion de hecho

• Los tres enrichers aparecen en el menu "Run enricher" segun el tipo del nodo right-clickado.
• En un nodo Webpage el menu muestra los 3 + fetch_webpage.
• Test integracion:
  • Crear Url → fetch_webpage → run extract_links sobre el resultado → run extract_text_entities → grafo se llena con persons/orgs/etc.
  • Cada paso es un job independiente visible en panel Jobs.
• extract_text_entities con LLM off termina sin coste y produce entidades de IoC + entidades GLiNER (gratis).