用途：指导设计并实现将原始文本转化为结构化、可操作信息的 NLP 流水线，覆盖预处理到高级分析，并帮助按需求选择合适方案。
主要能力：一是设计流水线架构，明确输入文本格式与规模、输出信息、延迟/准确率/成本约束，选择预处理、分词、词性标注、NER、句法分析、嵌入、主题建模、分类、抽取、生成等阶段，并在经典方法、深度学习与 LLM 之间按阶段取舍，设计错误处理与回退并记录架构。二是实现文本预处理，包括 Unicode NFKC 归一化、去除控制字符、空白归一化、句子切分、段落与文档结构化、词级或子词分词、大小写归一化、词形还原/词干化及缩写处理。三是构建生产系统，示例类 NLPPipeline 包含预处理器、分词器、NER/情感/分类模型与可选缓存，支持按任务运行、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、流式文本处理（按批大小或超时刷新）、语言检测与多语言路由。
使用方式：资料给出触发短语，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：社交媒体、法律/医疗、多语言文本的实时或批量分析。
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、未处理空/超长/畸形输入、默认仅英文、重复输入未缓存、未批处理推理、忽略各阶段延迟影响；需固定模型版本并记录预处理与配置变更。具体安装命令、收费与平台信息暂未提供。