Xberg是什么？
Xberg是一款文档智能引擎：你把文件、URL、压缩包或源码目录交给它，它就会以LLM或搜索索引可直接使用的格式，返回干净的文本、表格、元数据和结构化数据。 它的README称其为“the fast, precise document-intelligence engine — for every language”。
- 产品类型：Rust核心，配有15种语言绑定、包含14个命令的命令行工具、REST API（
xberg serve）、MCP服务器、Docker镜像和Helm chart - 仓库：github.com/xberg-io/xberg，9,000+个星标，创建于2025年1月，已通过GitHub API核实
- 渊源：README称Xberg“是Kreuzberg的下一代”，是同一个引擎“以全新的v1系列重新构建并更换品牌”；旧的kreuzberg-dev/kreuzberg地址现已重定向到此处，另有一个独立的kreuzberg-lts仓库仍然存在
- 许可证：MIT，依据仓库中的LICENSE文件
- 开发方：网站显示品牌“Xberg”和GitHub组织xberg-io；其法律声明页给出了德国柏林的地址并列出一位网站负责人，但没有法人实体名称或注册号
Xberg能做什么？
Xberg把文档处理流水线的各个步骤整合到一个引擎中。部分功能是可选的feature flag，预编译包和Docker镜像默认已包含。
- 提取 — 读取PDF、Office文件、图片、HTML、电子邮件、电子书、学术论文和结构化数据，具备MIME检测，并对大型输入设有限制
- OCR — 支持Tesseract、PaddleOCR、Candle或视觉语言模型后端，带有回退链和置信度分数
- 版面与表格 — 机器学习版面模型和表格结构模型重建阅读顺序与单元格网格，输出为Markdown
- 转写 — 通过Whisper ONNX模型对MP3、M4A、WAV、WebM和MP4音频进行语音转文字（feature flag）
- 抓取URL — 提取单个网页，或通过crawlberg引擎跟随链接进行爬取（feature flag）
- 解包压缩文件 — 递归处理嵌套的zip、tar、gz和7z文件，并设有zip炸弹、压缩比和嵌套深度限制
- 代码智能 — 从371种编程语言中提取函数、类、导入和符号，并为RAG提供感知语法的分块
- 嵌入与增强 — 本地ONNX嵌入或由提供商托管的嵌入、重排序、实体和关键词提取、摘要、翻译与脱敏
- 结构化提取 — 通过本地或托管的LLM输出符合模式的JSON
- 输出格式 — 纯文本、Markdown、Djot、HTML、JSON树或Docling DocTags
哪些在本地运行，哪些不在
提取、OCR、版面分析和ONNX嵌入都在你自己的CPU上运行；只有在你选择托管服务、抓取URL或使用开发方的在线演示时才会涉及网络。 文档称该引擎以CPU优先，不需要GPU。
- CPU：在x86_64上，基于ONNX的功能（PaddleOCR、版面检测、嵌入、重排序、转写）需要AVX/AVX2，缺少时可能崩溃；ARM不受影响
- 平台：预编译二进制文件覆盖Linux（x86_64、aarch64）、Windows和Apple Silicon；Intel Mac仅有命令行工具和Python wheel的预编译包
- 浏览器版本：WebAssembly包可在浏览器、Deno、Cloudflare Workers和Node.js 22及以上版本中运行，但不包含LLM和VLM功能
提取、OCR、版面
- 运行位置:
- 在你的CPU上，进程内或你自己的服务器
嵌入与重排序
- 运行位置:
- 本地ONNX模型，或你配置的托管服务
结构化提取
- 运行位置:
- 本地的Ollama、LM Studio或vLLM，或托管LLM
URL抓取与爬取
- 运行位置:
- 需要访问目标网站的网络
文档站点的在线演示
- 运行位置:
- 上传内容经由开发方的API
未核实：文档没有说明模型或OCR引擎是否在首次运行时下载、引擎能否完全离线运行，也没有说明是否发送遥测数据。在依赖这些之前，请在隔离网络的副本上测试。
获取Xberg：安装命令
Xberg没有桌面安装程序：最简单的方式是用对应语言或命令行工具的一条命令安装，需要使用终端。 下列命令取自安装指南。
选项 | 命令或链接 |
|---|---|
| 官方网站 | xberg.io |
| 命令行工具（Homebrew） | brew install xberg-io/tap/xberg |
| Python | pip install xberg |
| Node.js | npm install @xberg-io/xberg |
| Docker镜像 | ghcr.io/xberg-io/xberg |
| 文档 | docs.xberg.io |
| 源码与发布 | github.com/xberg-io/xberg |
| 隐私政策 | xberg.io/privacy |
安装指南还列出了Rust、Go、Java、Kotlin、C#、Ruby、PHP、Elixir、Dart、Swift、Zig、WebAssembly和C的软件包，以及Scoop和安装脚本。GitHub Releases页面提供的是语言绑定的构建产物，而不是面向最终用户的安装程序。
Xberg许可证与商业版本
- Xberg Pro：自托管的单容器版本；Xberg Enterprise：运行在Kubernetes上、带有治理和支持服务的分布式版本
- Xberg Platform：按用量计费或自托管的托管后端；仅限受邀参加的设计合作伙伴计划提供24个月的锁定价格
- 网站隐私：该政策注明日期为2026年5月21日，将“Xberg”列为数据控制者，但没有写明法人实体名称，并称只有在获得Cookie同意后才会进行分析
- 该政策没有说明开源库是否会向开发方发送数据
谁适合使用Xberg？
Xberg适合需要把多种文档转换为干净的结构化文本的开发者，尤其是希望调用一个引擎，而不是拼接独立的PDF、OCR和版面分析库的人。
适合使用Xberg的情况
- 正在构建摄取PDF、扫描件、Office文件、电子邮件或音频的RAG、搜索或智能体流水线
- 希望在自己的硬件上，用自己的编程语言，以库、服务器或MCP工具的方式进行提取
- 需要通过自有硬件上的模型服务器，用LLM提取字段
更适合选择其他工具的情况
- 想要一个点击即用、可与文档对话的应用
- 现在就需要有文档记载的离线和遥测保证
- 需要有明确法人实体并公布企业定价的供应商
竞品与替代方案
目录中没有其他文档提取引擎，因此同类别中最接近的评测是那些抓取或使用内容、而不是转换文件的工具。 Xberg位于它们的上游：由它生成干净的文本和结构，再由这些工具存储、检索或据此采取行动。
Cognee
- 主要特点:
- 通过知识图谱为智能体提供自托管的长期记忆
txtai
- 主要特点:
- 把向量库和LLM数据库集成在一个库中
关于txtai的文章（2篇）
- txtai Review: The Embedded Vector Database That Skips the Server更新于 2026年9月2日
- Local Knowledge & Retrieval Tools Compared (2026): RAG, Document Chat, Vector Databases, Notes and Search更新于 2026年9月20日
其他提及：
完整目录（包括Xberg自己的条目）请见Local LLM Software Directory。
常见问题
Xberg能作为MCP服务器运行吗？
README在命令行工具和REST API之外列出了MCP服务器。本评测没有运行过它，请在文档中确认具体的启动命令。
可以在浏览器中使用Xberg吗？
可以，通过WebAssembly包使用，它同样支持Deno、Cloudflare Workers和Node.js 22及以上版本，但不包含LLM和VLM功能。
它能在Intel Mac上运行吗？
只能部分运行。预编译包仅提供命令行工具和Python wheel，文档称对Intel的支持是尽力而为，并计划移除。
应该把机密文件上传到在线演示吗？
不应该。演示会通过开发方的API发送文档，处理敏感内容请使用本地安装。
哪些语言可以调用Xberg？
Python、TypeScript和Node.js、WebAssembly、Rust、Go、Java、Android上的Kotlin、C#、Ruby、PHP、Elixir、Dart和Flutter、Swift、Zig，以及通过FFI调用的C。
PromptQuorum测试过Xberg吗？
没有。本评测基于官网、文档、隐私政策、GitHub仓库和发布数据，而不是自行进行的基准测试。