后端AI 应用NLP【免费下载链接】xbergPolyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.项目地址https://gitcode.com/gh_mirrors/kr/xberg点击查看免费下载导读本文围绕 xberg 仓库中的契约测试文档 api_extract_batch_bytes.md 展开深入讲解 xberg 面向 C 语言暴露的批量提取接口xberg_extract_batch如何以一段 JSON 字符串一次性提交多个字节输入bytes 输入由 Rust 核心完成格式识别、内容抽取并批量返回结果。读完本文你将掌握该 API 的 C 调用范式、输入 JSON 的完整字段语义、底层执行链路以及与之配套的契约测试与断言机制可以直接在自己的 C/C 集成项目中落地一次调用、多文档抽取的批处理方案。一、文档定位一份可执行的契约测试快照docs-site/src/snippets-generated/c/contract/api_extract_batch_bytes.md是由 alef 工具自动生成的 C 语言契约测试片段文件头部注释This file is auto-generated by alef — DO NOT EDIT明确标注了其生成属性它的作用是验证 xberg 的extract_batch批量字节提取API 在 C 绑定层的行为符合预期。这份文档本身虽然短小但它背后挂载了一份完整的机器可读契约 —— api_extract_batch_bytes.json其中包含调用目标call字段指向extract_batch输入构造input.inputs中以kind: bytes提交了一个名为fake_memo.pdf的 PDF 文档原始字节以十进制数组内联存储断言规则assertions对返回值逐字段校验详见本文第五节。也就是说本文讲解的不仅是一段 C 示例代码而是 xberg 批量字节提取能力从输入建模 → FFI 边界 → Rust 引擎执行 → 结果断言的完整闭环。二、API 总览xberg_extract_batch 的签名与职责在 C 头文件 xberg.h 中xberg_extract_batch与单输入接口xberg_extract并列声明/** * Extract content from a single bytes or URI input. */ XBERGAlefHandle xberg_extract(XBERGAlefHandle input, XBERGAlefHandle config); /** * Extract content from multiple bytes or URI inputs. */ XBERGAlefHandle xberg_extract_batch(const char *inputs, XBERGAlefHandle config);其核心语义项目说明函数名xberg_extract_batch第一个参数inputsconst char *指向一段JSON 数组字符串数组元素为输入描述对象见第三节第二个参数configXBERGAlefHandle一个指向ExtractionConfig的句柄handle可通过 xberg 的配置创建 API 获得传0是非法句柄返回值XBERGAlefHandle指向一个ExtractionResult句柄调用方必须用对应的 free 函数释放见第四节安全约定头文件注释明确要求所有指针参数必须有效或为 null返回的指针必须用合适的 free 函数释放从 API 设计看xberg_extract_batch把多个输入与一份共享配置解耦批内每个输入可以有自己的覆盖配置per-input extraction overrides见第三节同时整批共享一个ExtractionConfig兼顾了批量吞吐与单文档定制。三、C 调用示例逐行解析继承原文档原文档给出了完整的、可直接编译的 C 最小示例。下面保留全部代码并逐段解读#include assert.h #include stdint.h #include stdio.h #include stdlib.h #include string.h #include xberg.h int main(void) { XBERGAlefHandle result xberg_extract_batch([{\bytes\:\pdf/fake_memo.pdf\,\filename\:\fake_memo.pdf\,\kind\:\bytes\}], 0); xberg_extraction_result_free(result); return EXIT_SUCCESS; }要点解析头文件xberg.h是 C 绑定的统一入口头文件声明了xberg_extract_batch、xberg_extraction_result_free等全部 FFI 符号编译时需确保其所在目录加入头文件搜索路径。输入字符串第一参数是一段 JSON 数组元素对象含三个字段bytes值为pdf/fake_memo.pdf、filenamefake_memo.pdf、kindbytes。需要说明的是在真实 FFI 路径上bytes字段承载的是原始文件字节的载体可以是以字符串形式表达的字节内容或可解析的字节源引用kind: bytes明确告知引擎按内存字节处理而不是按 URI 拉取filename作为 MIME 探测与元数据提示。config 传0这里传入的0是一个空句柄。在 FFI 实现中config 0会被判为非法句柄并触发错误见 lib.rs 中ALEF_INVALID_HANDLE_ERROR分支。在实际工程中应通过 xberg 的配置句柄 API 创建ExtractionConfig并传入例如默认配置句柄而不是字面量0。本示例保留0是为了演示契约测试的边界写法生产代码请务必替换为有效句柄。内存释放返回的XBERGAlefHandle result必须在用完后调用xberg_extraction_result_free(result)释放避免句柄注册表与底层对象泄漏——这是 xberg FFI 所有返回句柄的统一资源纪律。四、输入建模ExtractInput 的字段语义与 JSON 形态xberg_extract_batch的输入 JSON 数组元素对应 Rust 侧的ExtractInput结构体其字段定义如下pub struct ExtractInput { pub kind: ExtractInputKind, // bytes | urisnake_case 序列化 pub bytes: OptionVecu8, // kind bytes 时的原始字节 pub uri: OptionString, // 本地路径 / file:// URI / HTTP(S) URL pub mime_type: OptionString, // MIME 类型提示 pub filename: OptionString, // 文件名提示用于 MIME 探测与元数据 pub config: OptionFileExtractionConfig, // 单输入级提取覆盖配置 }与之配套的ExtractInputKind枚举只有两个变体kind 取值语义必填字段bytes原始内存字节bytesuri本地路径、file://URI 或 HTTP(S) URLuri批量 JSON 的典型形态对应 extract_batch_uri_basic.json 等批量 fixture 的结构[ { kind: bytes, bytes: ..., filename: a.pdf, mime_type: application/pdf }, { kind: uri, uri: /path/to/b.docx }, { kind: uri, uri: https://example.com/c.html, config: { quality: high } } ]字段设计要点filename提示即使只有字节流没有真实文件filename也能显著提升格式识别准确率本契约测试中filename: fake_memo.pdf正是让引擎把字节按 PDF 处理的依据之一。mime_type提示可选的 MIME 提示供格式探测优先级参考。config覆盖批内单个元素可携带FileExtractionConfig级别的覆盖项实现整批共享默认配置 个别文档差异化。Rust 侧还提供了两个便捷构造器types.rsExtractInput::from_bytes(bytes, mime_type, filename)与ExtractInput::from_uri(uri)非 C 语言绑定如 Rust 直接调用、其他语言绑定可以直接使用它们构建输入向量。五、底层执行链路从 C 字符串到批量抽取结果xberg_extract_batch的 FFI 实现位于 lib.rs其执行链路可概括为四步输入校验与解析先检查inputs指针非空空指针返回错误码 1再通过CStr::from_ptr转为 UTF-8 字符串随后serde_json::from_str::Vecxberg::ExtractInput将 JSON 反序列化为输入向量——JSON 格式非法时返回错误码 2 并携带序列化错误信息L85301-L85319。配置句柄解析通过locked_handle_ptr::xberg::ExtractionConfig从句柄注册表中取出共享配置同时持有注册表守卫以保证并发安全config 0会被判为非法句柄L85321-L85336。异步执行在 FFI 运行时上block_on调用 Rust 核心的xberg::extract_batch(inputs_rs, config_rs)该自由函数委托给进程级默认引擎DEFAULT_ENGINE。结果句柄化成功则通过insert_handle把ExtractionResult登记为句柄返回失败则设置最后一次错误set_last_error并返回0若 Rust 侧 panic则用catch_unwind兜底并标记通用 panic 错误L85338-L85364。引擎层engine/mod.rs对批量调用还有两个值得注意的语义缓存织入完全由字节组成且整批成功的批次会按内容哈希 配置缓存包含 URI 输入或存在单输入错误的批次不缓存源码注释明确说明。进度事件每次调用会发出粗粒度的ProgressEvent开始、完成/失败、缓存命中ProgressSink与CacheBackend均为可注入接缝默认是 no-op不注入时行为与旧实现字节一致。六、契约断言如何验证批量字节提取的正确性契约文档对应的 api_extract_batch_bytes.json 中定义了三条断言构成对批量字节提取的最低验收标准断言类型目标字段期望验证意图equalsresults[0].mime_typeapplication/pdf字节流被正确识别为 PDF 格式min_lengthresults[0].content≥ 10抽取出的文本内容非空且有实际长度contains_anyresults[0].content包含May 5, 2023或Mallori抽取文本确实还原了文档真实内容这三条断言从三个维度守护批量 API格式识别正确性、内容非空、内容真实性抽取出的不是空壳或乱码。测试数据fake_memo.pdf是一份标题为fake-memo的单页 PDF其 PDF 元数据可在 fixture 的字节流中解码看到(fake-memo)与macOS Version 12.5等标记字节以十进制数组形式内联保证了契约测试的自包含与可复现。仓库中还有一批同主题的批量契约 fixture 可供对照阅读覆盖更多边界场景extract_batch_bytes_invalid_mime.json非法 MIME 的字节输入extract_batch_bytes_unsupported_mime.json不支持的 MIME 类型extract_batch_bytes_size_cap.json字节大小上限extract_batch_uri_basic.json 与 extract_batch_uri_partial_failure.jsonURI 输入与部分失败场景empty_inputs.json空输入数组这些 fixture 表明批量 API 的契约面覆盖了输入校验、格式判定、容量限制与部分失败等真实生产场景。七、工程落地建议综合契约文档、FFI 实现与批量 fixtures在 C/C 项目中使用xberg_extract_batch时建议遵循以下实践始终传递有效配置句柄不要照抄契约示例中的字面量0应通过配置句柄 API 构建默认或定制ExtractionConfig否则会触发ALEF_INVALID_HANDLE_ERROR。构造输入时补全提示字段kind: bytes的输入尽量带上filename必要时加mime_type让格式探测更精准这直接关系到results[i].mime_type与内容抽取质量。遵守句柄生命周期返回的XBERGAlefHandle一律用xberg_extraction_result_free释放错误时返回0可通过 xberg 的错误查询 API 读取最后一次错误码与信息。理解异步与缓存语义批量调用在 FFI 层是阻塞式等待异步任务完成纯字节成功批次默认可走内容缓存若希望每次强制重抽可关闭或定制CacheBackend。利用契约 fixture 做回归以 api_extract_batch_bytes.json 为模板把输入构造 字段断言的写法引入自己的测试可低成本守护批量提取行为不回归。八、延伸阅读C 绑定头文件与全部 FFI 声明crates/xberg-ffi/include/xberg.h批量与单输入抽取的文档注释见 L29782-L29794FFI 批量实现源码crates/xberg-ffi/src/lib.rs#L85270-L85365统一公开抽取 API自由函数extract/extract_batchcrates/xberg/src/core/extract/mod.rs引擎级批量执行与缓存/进度接缝crates/xberg/src/engine/mod.rs#L90-L101输入建模与字段定义crates/xberg/src/core/config/extraction/types.rs#L189-L258批量契约 fixtures 全集fixtures/batch赞分享后端AI 应用NLP【免费下载链接】xbergPolyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.项目地址https://gitcode.com/gh_mirrors/kr/xberg点击查看免费下载相关推荐xberg C 绑定实战extract_batch 批量提取中的安全限制与 max_content_size 尺寸上限xberg C 绑定实战extract_batch 批量提取中的安全限制与 max_content_size 尺寸上限 本篇基于 xberg 仓库中自动生成的后端AI 应用NLPXberg C 批量字节提取实战ExtractBatchAsync 的 Happy Path 与 Rust 核心实现解析Xberg C 批量字节提取实战ExtractBatchAsync 的 Happy Path 与 Rust 核心实现解析 本文基于 Xberg 仓库中自动生成后端AI 应用NLPxberg C FFI 冒烟测试实战用最小提取链路验证 JSON 文档抽取xberg C FFI 冒烟测试实战用最小提取链路验证 JSON 文档抽取 本篇以仓库中 alef 自动生成的 C 语言冒烟测试片段 smoke_json_b后端AI 应用NLP上一篇http-parser终极实战指南5个高级应用场景深度解析下一篇Cangjie-SIG/RGF_CJ代码规范团队协作的编码标准创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 xberg 批处理提取 API 实战：基于 C FFI 的 extract_batch 字节批量抽取
后端AI 应用NLP【免费下载链接】xbergPolyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.项目地址https://gitcode.com/gh_mirrors/kr/xberg点击查看免费下载导读本文围绕 xberg 仓库中的契约测试文档 api_extract_batch_bytes.md 展开深入讲解 xberg 面向 C 语言暴露的批量提取接口xberg_extract_batch如何以一段 JSON 字符串一次性提交多个字节输入bytes 输入由 Rust 核心完成格式识别、内容抽取并批量返回结果。读完本文你将掌握该 API 的 C 调用范式、输入 JSON 的完整字段语义、底层执行链路以及与之配套的契约测试与断言机制可以直接在自己的 C/C 集成项目中落地一次调用、多文档抽取的批处理方案。一、文档定位一份可执行的契约测试快照docs-site/src/snippets-generated/c/contract/api_extract_batch_bytes.md是由 alef 工具自动生成的 C 语言契约测试片段文件头部注释This file is auto-generated by alef — DO NOT EDIT明确标注了其生成属性它的作用是验证 xberg 的extract_batch批量字节提取API 在 C 绑定层的行为符合预期。这份文档本身虽然短小但它背后挂载了一份完整的机器可读契约 —— api_extract_batch_bytes.json其中包含调用目标call字段指向extract_batch输入构造input.inputs中以kind: bytes提交了一个名为fake_memo.pdf的 PDF 文档原始字节以十进制数组内联存储断言规则assertions对返回值逐字段校验详见本文第五节。也就是说本文讲解的不仅是一段 C 示例代码而是 xberg 批量字节提取能力从输入建模 → FFI 边界 → Rust 引擎执行 → 结果断言的完整闭环。二、API 总览xberg_extract_batch 的签名与职责在 C 头文件 xberg.h 中xberg_extract_batch与单输入接口xberg_extract并列声明/** * Extract content from a single bytes or URI input. */ XBERGAlefHandle xberg_extract(XBERGAlefHandle input, XBERGAlefHandle config); /** * Extract content from multiple bytes or URI inputs. */ XBERGAlefHandle xberg_extract_batch(const char *inputs, XBERGAlefHandle config);其核心语义项目说明函数名xberg_extract_batch第一个参数inputsconst char *指向一段JSON 数组字符串数组元素为输入描述对象见第三节第二个参数configXBERGAlefHandle一个指向ExtractionConfig的句柄handle可通过 xberg 的配置创建 API 获得传0是非法句柄返回值XBERGAlefHandle指向一个ExtractionResult句柄调用方必须用对应的 free 函数释放见第四节安全约定头文件注释明确要求所有指针参数必须有效或为 null返回的指针必须用合适的 free 函数释放从 API 设计看xberg_extract_batch把多个输入与一份共享配置解耦批内每个输入可以有自己的覆盖配置per-input extraction overrides见第三节同时整批共享一个ExtractionConfig兼顾了批量吞吐与单文档定制。三、C 调用示例逐行解析继承原文档原文档给出了完整的、可直接编译的 C 最小示例。下面保留全部代码并逐段解读#include assert.h #include stdint.h #include stdio.h #include stdlib.h #include string.h #include xberg.h int main(void) { XBERGAlefHandle result xberg_extract_batch([{\bytes\:\pdf/fake_memo.pdf\,\filename\:\fake_memo.pdf\,\kind\:\bytes\}], 0); xberg_extraction_result_free(result); return EXIT_SUCCESS; }要点解析头文件xberg.h是 C 绑定的统一入口头文件声明了xberg_extract_batch、xberg_extraction_result_free等全部 FFI 符号编译时需确保其所在目录加入头文件搜索路径。输入字符串第一参数是一段 JSON 数组元素对象含三个字段bytes值为pdf/fake_memo.pdf、filenamefake_memo.pdf、kindbytes。需要说明的是在真实 FFI 路径上bytes字段承载的是原始文件字节的载体可以是以字符串形式表达的字节内容或可解析的字节源引用kind: bytes明确告知引擎按内存字节处理而不是按 URI 拉取filename作为 MIME 探测与元数据提示。config 传0这里传入的0是一个空句柄。在 FFI 实现中config 0会被判为非法句柄并触发错误见 lib.rs 中ALEF_INVALID_HANDLE_ERROR分支。在实际工程中应通过 xberg 的配置句柄 API 创建ExtractionConfig并传入例如默认配置句柄而不是字面量0。本示例保留0是为了演示契约测试的边界写法生产代码请务必替换为有效句柄。内存释放返回的XBERGAlefHandle result必须在用完后调用xberg_extraction_result_free(result)释放避免句柄注册表与底层对象泄漏——这是 xberg FFI 所有返回句柄的统一资源纪律。四、输入建模ExtractInput 的字段语义与 JSON 形态xberg_extract_batch的输入 JSON 数组元素对应 Rust 侧的ExtractInput结构体其字段定义如下pub struct ExtractInput { pub kind: ExtractInputKind, // bytes | urisnake_case 序列化 pub bytes: OptionVecu8, // kind bytes 时的原始字节 pub uri: OptionString, // 本地路径 / file:// URI / HTTP(S) URL pub mime_type: OptionString, // MIME 类型提示 pub filename: OptionString, // 文件名提示用于 MIME 探测与元数据 pub config: OptionFileExtractionConfig, // 单输入级提取覆盖配置 }与之配套的ExtractInputKind枚举只有两个变体kind 取值语义必填字段bytes原始内存字节bytesuri本地路径、file://URI 或 HTTP(S) URLuri批量 JSON 的典型形态对应 extract_batch_uri_basic.json 等批量 fixture 的结构[ { kind: bytes, bytes: ..., filename: a.pdf, mime_type: application/pdf }, { kind: uri, uri: /path/to/b.docx }, { kind: uri, uri: https://example.com/c.html, config: { quality: high } } ]字段设计要点filename提示即使只有字节流没有真实文件filename也能显著提升格式识别准确率本契约测试中filename: fake_memo.pdf正是让引擎把字节按 PDF 处理的依据之一。mime_type提示可选的 MIME 提示供格式探测优先级参考。config覆盖批内单个元素可携带FileExtractionConfig级别的覆盖项实现整批共享默认配置 个别文档差异化。Rust 侧还提供了两个便捷构造器types.rsExtractInput::from_bytes(bytes, mime_type, filename)与ExtractInput::from_uri(uri)非 C 语言绑定如 Rust 直接调用、其他语言绑定可以直接使用它们构建输入向量。五、底层执行链路从 C 字符串到批量抽取结果xberg_extract_batch的 FFI 实现位于 lib.rs其执行链路可概括为四步输入校验与解析先检查inputs指针非空空指针返回错误码 1再通过CStr::from_ptr转为 UTF-8 字符串随后serde_json::from_str::Vecxberg::ExtractInput将 JSON 反序列化为输入向量——JSON 格式非法时返回错误码 2 并携带序列化错误信息L85301-L85319。配置句柄解析通过locked_handle_ptr::xberg::ExtractionConfig从句柄注册表中取出共享配置同时持有注册表守卫以保证并发安全config 0会被判为非法句柄L85321-L85336。异步执行在 FFI 运行时上block_on调用 Rust 核心的xberg::extract_batch(inputs_rs, config_rs)该自由函数委托给进程级默认引擎DEFAULT_ENGINE。结果句柄化成功则通过insert_handle把ExtractionResult登记为句柄返回失败则设置最后一次错误set_last_error并返回0若 Rust 侧 panic则用catch_unwind兜底并标记通用 panic 错误L85338-L85364。引擎层engine/mod.rs对批量调用还有两个值得注意的语义缓存织入完全由字节组成且整批成功的批次会按内容哈希 配置缓存包含 URI 输入或存在单输入错误的批次不缓存源码注释明确说明。进度事件每次调用会发出粗粒度的ProgressEvent开始、完成/失败、缓存命中ProgressSink与CacheBackend均为可注入接缝默认是 no-op不注入时行为与旧实现字节一致。六、契约断言如何验证批量字节提取的正确性契约文档对应的 api_extract_batch_bytes.json 中定义了三条断言构成对批量字节提取的最低验收标准断言类型目标字段期望验证意图equalsresults[0].mime_typeapplication/pdf字节流被正确识别为 PDF 格式min_lengthresults[0].content≥ 10抽取出的文本内容非空且有实际长度contains_anyresults[0].content包含May 5, 2023或Mallori抽取文本确实还原了文档真实内容这三条断言从三个维度守护批量 API格式识别正确性、内容非空、内容真实性抽取出的不是空壳或乱码。测试数据fake_memo.pdf是一份标题为fake-memo的单页 PDF其 PDF 元数据可在 fixture 的字节流中解码看到(fake-memo)与macOS Version 12.5等标记字节以十进制数组形式内联保证了契约测试的自包含与可复现。仓库中还有一批同主题的批量契约 fixture 可供对照阅读覆盖更多边界场景extract_batch_bytes_invalid_mime.json非法 MIME 的字节输入extract_batch_bytes_unsupported_mime.json不支持的 MIME 类型extract_batch_bytes_size_cap.json字节大小上限extract_batch_uri_basic.json 与 extract_batch_uri_partial_failure.jsonURI 输入与部分失败场景empty_inputs.json空输入数组这些 fixture 表明批量 API 的契约面覆盖了输入校验、格式判定、容量限制与部分失败等真实生产场景。七、工程落地建议综合契约文档、FFI 实现与批量 fixtures在 C/C 项目中使用xberg_extract_batch时建议遵循以下实践始终传递有效配置句柄不要照抄契约示例中的字面量0应通过配置句柄 API 构建默认或定制ExtractionConfig否则会触发ALEF_INVALID_HANDLE_ERROR。构造输入时补全提示字段kind: bytes的输入尽量带上filename必要时加mime_type让格式探测更精准这直接关系到results[i].mime_type与内容抽取质量。遵守句柄生命周期返回的XBERGAlefHandle一律用xberg_extraction_result_free释放错误时返回0可通过 xberg 的错误查询 API 读取最后一次错误码与信息。理解异步与缓存语义批量调用在 FFI 层是阻塞式等待异步任务完成纯字节成功批次默认可走内容缓存若希望每次强制重抽可关闭或定制CacheBackend。利用契约 fixture 做回归以 api_extract_batch_bytes.json 为模板把输入构造 字段断言的写法引入自己的测试可低成本守护批量提取行为不回归。八、延伸阅读C 绑定头文件与全部 FFI 声明crates/xberg-ffi/include/xberg.h批量与单输入抽取的文档注释见 L29782-L29794FFI 批量实现源码crates/xberg-ffi/src/lib.rs#L85270-L85365统一公开抽取 API自由函数extract/extract_batchcrates/xberg/src/core/extract/mod.rs引擎级批量执行与缓存/进度接缝crates/xberg/src/engine/mod.rs#L90-L101输入建模与字段定义crates/xberg/src/core/config/extraction/types.rs#L189-L258批量契约 fixtures 全集fixtures/batch赞分享后端AI 应用NLP【免费下载链接】xbergPolyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.项目地址https://gitcode.com/gh_mirrors/kr/xberg点击查看免费下载相关推荐xberg C 绑定实战extract_batch 批量提取中的安全限制与 max_content_size 尺寸上限xberg C 绑定实战extract_batch 批量提取中的安全限制与 max_content_size 尺寸上限 本篇基于 xberg 仓库中自动生成的后端AI 应用NLPXberg C 批量字节提取实战ExtractBatchAsync 的 Happy Path 与 Rust 核心实现解析Xberg C 批量字节提取实战ExtractBatchAsync 的 Happy Path 与 Rust 核心实现解析 本文基于 Xberg 仓库中自动生成后端AI 应用NLPxberg C FFI 冒烟测试实战用最小提取链路验证 JSON 文档抽取xberg C FFI 冒烟测试实战用最小提取链路验证 JSON 文档抽取 本篇以仓库中 alef 自动生成的 C 语言冒烟测试片段 smoke_json_b后端AI 应用NLP上一篇http-parser终极实战指南5个高级应用场景深度解析下一篇Cangjie-SIG/RGF_CJ代码规范团队协作的编码标准创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考