用途：把文档文本切分成块，供向量库或 LLM 上下文窗口使用。Xberg 提供两种方式：抽取时内联分块（结果写入文档的 chunks 字段），或用独立的 chunk 命令处理已有文本。默认按字符计量，提供 tokenizer 模型时可按 token 计量。
主要能力：可用 --chunk 在抽取时启用分块；独立 chunk 命令支持从 --text 或标准输入读取。输出默认 JSON，含 chunks（字符串数组）、chunk_count、解析后的配置（max_characters、overlap、chunker_type）与 input_size_bytes；--format text 输出带 --- chunk N --- 分隔的可读文本。chunker_type 可选 text（默认，按字符窗口加重叠）、markdown（按标题、块等结构切分）、yaml（面向结构化配置/数据文档）、semantic（由 --topic-threshold 控制主题边界，0.0–1.0，默认 0.75）。
用法要点：内联示例 xberg extract report.pdf --chunk --format json；显式设置如 --chunk-size 1500 --chunk-overlap 300。独立命令如 xberg chunk --text "..." --chunk-size 800 --chunk-overlap 100，或 xberg extract notes.md | xberg chunk --chunk-size 500 --format json。按 token 计量需传 --chunking-tokenizer（HuggingFace tokenizer id，如 Xenova/gpt-4o），在 extract 上会隐式启用分块，需 chunking-tokenizers 特性（默认 CLI 构建已包含）。配置文件用 [chunking] 段，字段为 max_characters、overlap、chunker_type；CLI 的 --chunk-size 对应 max_characters，--chunk-overlap 对应 overlap。Python 可通过 ChunkingConfig(max_characters=1000, overlap=200) 配置，并从 result.results[0].chunks 读取。
限制与注意：overlap 必须小于 chunk size，CLI 会拒绝 --chunk-overlap >= --chunk-size；仅修改 overlap 且超过 size 时会被截为 chunk_size / 4。JSON 输出的 chunker_type 因 Rust Debug 格式首字母大写，而输入参数为小写。无 tokenizer 特性时使用 --chunking-tokenizer 会报错。独立 chunk 命令遇空文本会失败，需提供 --text 或非空标准输入。参数建议（如 RAG 500–1000 字符或 256–512 token、10–20% 重叠）为资料给出的参考，非强制。