用途：该技能面向文档抽取后的增强处理，包括统计式关键词抽取、语言检测和向量嵌入。关键词与语言检测随抽取结果一并返回，嵌入由独立的 embed 命令生成。
关键词（YAKE/RAKE）：通过 [keywords] 配置块或内联 JSON 配置，没有单独的 --keywords 命令行开关。启用后关键词出现在 result.extracted_keywords（Node.js 为 extractedKeywords，CLI JSON 字段为 extracted_keywords）。YAKE 为无监督单文档统计抽取，适合通用默认；RAKE 基于共现与短语，偏好多词关键短语。该功能受 Cargo 特性门控，需以 keywords-yake 和/或 keywords-rake 构建（默认/完整构建已包含）；未包含时 [keywords] 配置会被静默忽略，结果为空而不报错。字段：max_keywords 默认 10；min_score 过滤低分关键词，两种算法分数均归一化到 0.0-1.0 且越高越好；ngram_range 为 [min,max]，默认 [1,3]，仅配置文件支持；language 启用该语言停用词过滤，省略则不过滤。
语言检测：使用 --detect-language 标志，结果在 result.detected_languages。配置文件位于 [language_detection]，可设 enabled、min_confidence、detect_multiple。CLI 标志等价于 min_confidence = 0.8 的单语言模式。
嵌入：embed 命令从 --text（可重复）或 stdin 生成向量，不执行抽取，需文档向量时可先管道传入抽取结果。本地提供方预设为 fast、balanced（默认）、quality、multilingual，输出默认 JSON。--provider 可选 local（默认，ONNX 模型，无需 API key）、llm（--model 与 --api-key，如 openai/text-embedding-3-small）、plugin（--plugin 指定进程内预注册后端）。本地预设未缓存时需先下载，可用 xberg cache warm --embedding-model balanced 或 xberg cache warm --all-embeddings 预热。
限制：关键词抽取仅能通过配置启用；嵌入与抽取是分离的两步；首次本地嵌入需下载模型。资料未提供收费、价格与效果数据。