文档提取流水线模式
掌握格式检测、提取与回退编排的最佳实践，应对75+文件格式。
证据显示安全文档（SECURITY.md）详细列举了针对恶意输入的防护措施（如压缩炸弹、路径穿越、实体扩展等），且未发现过度权限或隐蔽行为。但未执行代码，且权限最小化、用户确认、回滚等细节无法验证，故扣分。
证据包含真实CI工作流（benchmarks.yaml、ci-docker.yaml）和提交的测试套件（e2e/node/tests/*.test.ts），表明关键路径有测试覆盖。但静态审查未执行，且异常输入处理、错误反馈质量等仅从文档推断，故扣分。
技能描述清晰，明确适用场景（文档提取）和非适用边界（如未覆盖的格式）。支持多种语言和部署方式，环境适配性较好。但触发条件（semantic trigger）仅从描述推断，缺乏明确示例，故扣分。
文档结构良好，包含明确的安装步骤、示例、功能列表和限制说明。许可证明确（MIT），但版本控制（如变更日志）细节不足，且维护责任未在技能文档中明确说明，故扣分。
README和技能文档详述了能力，但静态审查无法验证输出是否可直接使用，无法确认实际完成任务的效率。虽提及基准测试，但未提供具体结果，故扣分。
证据包含真实CI工作流和测试文件，但未提供第三方独立验证结果或交叉验证数据。静态审查无法执行测试，故扣分。
- 静态审查，未执行代码，功能正确性未经验证。
- Publisher未经过验证，身份未知，需自行评估信任度。
- 部分功能（如OCR、嵌入）依赖外部模型或服务，可能在某些网络环境下不可用。
- 技能文档未明确提及敏感数据处理流程，需谨慎使用。
这个 Skill 能做什么，适合哪些场景？
该技能源自Xberg文档智能框架，聚焦于构建稳健的文档提取流水线。它详细阐述了核心架构：先进行格式检测（通过魔数和扩展名验证），再路由到特定的格式提取器，并在必要时执行回退策略（如针对加密PDF、OCR、嵌套压缩包）。该技能提供了Rust代码片段展示MIME检测和提取调度逻辑，并确定了关键模块（例如mime.rs、pipeline.rs）以及功能标志管理策略。对于希望在项目中设计或实现类似文档处理流水线的开发者来说，这是一份实用的参考指南。Xberg本身采用MIT许可证，是一个支持多语言绑定的成熟库。
该技能描述了文档提取流水线的架构和模式：1) 通过魔数检测MIME类型并验证扩展名以防止欺骗；2) 将文档路由到各类格式的专用提取器（如PDF、DOCX、图片、HTML、邮件、压缩包）；3) 启用回退策略，包括密码尝试、OCR回退、递归压缩包提取及损坏文件恢复；4) 强制执行后处理流水线，包括校验器、质量处理、分块和自定义钩子；5) 建议通过功能标志进行条件编译管理。
- 后端开发者希望在Rust或Python中构建多格式文档提取服务，避免从零开发。
- 数据工程师需要为RAG流水线整合PDF、Office和图片提取，并要求可靠的回退机制。
- 云原生应用开发者希望利用Xberg的现成Docker镜像提供文档处理API。
- 自动化工程师需要处理带有密码保护的PDF或嵌套压缩包等棘手输入。
这个 Skill 有哪些优点和局限？
- 清晰的架构蓝图：格式检测→提取→回退→后处理。
- 明确的回退策略，涵盖密码保护PDF、OCR和损坏文件。
- 提供可复制的Rust代码片段及模块指引。
- 强调安全措施，如格式对齐验证以防欺骗。
- 涵盖广泛格式（75+种）及功能标志管理。
- 部分实现细节依赖于Xberg的特定代码库，可能无法直接复用。
- 对于无Rust经验者，Rust代码示例可能构成学习障碍。
- 技能未展示安装示例中未提及的配置或部署步骤。
- 缺乏独立的测试套件或操作指南。
如何安装这个 Skill？
该技能位于Xberg仓库中的.ai-rulez/skills/extraction-pipeline-patterns/SKILL.md。要使用完整的Xberg库，请通过包管理器安装（例如Python执行pip install xberg，Node.js执行npm install @xberg-io/xberg）。本技能未提供独立安装步骤。
如何使用这个 Skill？
阅读该技能的SKILL.md以理解流水线架构和关键模式。要在项目中使用Xberg，请参考仓库README中的快速入门示例，例如在Rust中使用xberg crate、通过ExtractionConfig配置提取并进行调用。在采用这些模式之前，请查阅Xberg文档了解详细说明。