用途：在已获得文本之后，使用 Apple 的 NaturalLanguage 框架做设备端文本分析，并用 Translation 框架做应用内翻译。不负责 OCR、语音转文字、本地化字符串格式化或生成式摘要。
主要能力：NLTokenizer 按词、句、段落或整篇文档分词，并可枚举带属性（如数字、表情）的 token；NLLanguageRecognizer 识别主语言并给出多语言置信度假设；NLTagger 支持词性标注（.lexicalClass）、命名实体识别（.nameType，含人名、地名、机构名）、词元还原（.lemma）、逐 token 语言与情感分数（.sentimentScore，-1.0 到 +1.0）；NLEmbedding 提供词向量与句向量，可计算余弦距离和近邻词。Translation 提供系统翻译浮层 .translationPresentation()、视图内程序化翻译 .translationTask()、批量翻译 translations(from:) 以及 LanguageAvailability 语言可用性检查。
使用方式：import NaturalLanguage 与 import Translation。NaturalLanguage 无需特殊权限；Translation 的系统翻译浮层需 iOS 17.4+/macOS 14.4+，TranslationSession、.translationTask()、LanguageAvailability 与批量翻译需 iOS 18+/macOS 15+。直接 TranslationSession(installedSource:target:) 仅在源与目标语言已安装时可用。
限制与注意：NLTokenizer 与 NLTagger 非线程安全，需单线程或单队列使用；tagger 应按文本复用而非逐 token 新建；短文本语言识别不可靠，应设置 languageConstraints 或 languageHints；NLEmbedding 并非所有语言都可用，需处理 nil；情感分数为可选值；NER 建议使用 .joinNames 保持多词名称完整；自定义模型应通过 NLModel 加载而非直接 Core ML；翻译前应检查 LanguageAvailability。
适用场景：设备端文本分析、内容分类、实体抽取、情感判断、语义相似度比较，以及应用内多语言翻译。