这是 xberg-io/xberg 中关于选择文档提取输出格式的技能说明。用途是帮助用户在提取文档时确定合适的输出格式，使下游处理代码保持简单。
主要能力围绕两个相互独立的格式选项展开：--format 控制命令行结果的打印方式，取值为 text、json、toon，默认在 extract 下为 text、在 batch 下为 json；--content-format 控制结果中内容的呈现方式，取值为 plain、markdown、djot、html、json、doctags，默认为 plain。--format json 会返回包裹 ExtractedDocument 的信封，extract 时文档位于 .result，batch 时位于 .results[]，其下包含 content、metadata、tables、images 等字段；--format text 只打印 content，而 --content-format 决定该 content 字段的内容形式。
选择建议以消费方为依据：供 LLM 使用时用 --format text --content-format markdown；供向量库或 RAG 索引器使用时用 --format json --content-format markdown，以保留结构便于切分；供机器解析下游使用时用 --format json --content-format plain；供人工审阅或归档时用 --format text --content-format markdown；网页重渲染时用 --format json --content-format html；作为 pandoc 或学术工具的无损中间格式时用 djot；受 token 预算约束时用 --format text --content-format plain。
示例包括将 PDF 直接输入 LLM、批量索引语料并保留表格与标题、以及只取元数据等。文中提到 --token-reduction 可独立使用，用于压缩空白、去除重复页眉页脚和样板内容，取值有 off（默认）、light、moderate、aggressive、maximum，可与任意 content-format 组合。默认建议使用 markdown，仅在需要时选用 plain、djot、html、json 或 doctags。maximum 有损，使用前需验证。官方资料未提供具体安装命令、收费与价格信息。