用途：指导设计并实现自然语言处理流水线，将原始文本转化为结构化、可操作的信息，覆盖从预处理到高级分析的完整任务链，并帮助针对具体需求选择合适方案。
主要能力：提供三类核心工作流。一是设计流水线架构，明确输入文本、输出信息与延迟/准确率/成本约束，选择预处理、语言学处理（分词、词性、NER、句法）、语义（嵌入、主题建模）与任务模型等阶段，并按阶段在经典方法、深度学习与 LLM 之间选型，同时设计错误处理与回退。二是实现文本预处理，包括 Unicode 规范化（推荐 NFKC）、清理控制字符、空白归一化、句子与段落切分、词/子词分词、大小写与词形归一化，并注意语言差异。三是构建生产系统，示例类 NLPPipeline 包含预处理器、分词器、多任务模型与可选缓存，支持批处理、缓存、监控日志与多样输入测试。
高级技术：多阶段抽取（NER→共指消解→关系抽取→知识图谱）、经典与 LLM 混合流水线、流式文本批处理、语言检测与多语言路由。
使用方式：资料给出触发式用法，如“Design NLP pipeline for [task]”“How to preprocess [text type]”“Best tokenizer for [use case]”“Extract entities from text”“Build text classifier”“Scale NLP to [volume]”。
适用场景：需要文本分类、实体抽取、情感分析、摘要、关系抽取或大规模文本处理的项目。
限制与注意：避免过度预处理破坏信息、忽略 Unicode 与编码问题、对无空格语言使用词分词器、不处理空文本或超长文本、默认仅英文、对重复输入不缓存、不做批处理推理、忽视各阶段延迟影响。资料未提供具体安装命令、收费与平台信息。