用途：把一批本地 PDF 转成可语义搜索的 Asta 文档索引。每个 PDF 先转 Markdown，再按约 2000 字符切块，写入 asta-documents YAML 索引。
主要能力：assets 目录含三个脚本——extract-pdfs.sh（经 asta pdf-extraction remote 把 PDF 转 Markdown）、chunk-and-index.py（切块并写 YAML 索引）、warm-cache.sh（预热搜索缓存）。支持断点续跑、追加写入、相对路径存储，索引可移植。
使用方式：先向用户确认 PDF 目录、Markdown 输出目录、集合名、是否提取图片；建议 PDF 与 Markdown 同级、索引置于共同父目录。随后统计 PDF 数量与体积并确认，再依次执行：
bash assets/extract-pdfs.sh "$PDF_DIR" "$MARKDOWN_DIR" uv run --with pyyaml python3 assets/chunk-and-index.py "$COLLECTION" "$MARKDOWN_DIR" --index-path "$INDEX_PATH" --pdf-dir "$PDF_DIR" bash assets/warm-cache.sh "$DATASET_ROOT"
搜索示例：asta documents --root "$DATASET_ROOT" search --summary="query" --tags="COLLECTION"。若语料本身是 Markdown，可跳过提取，省略 --pdf-dir 直接切块索引。
适用场景：本地论文、笔记、wiki 等 PDF 或 Markdown 语料的全文检索。
限制：需 PyYAML；索引为追加式，重建需先删 index.yaml；必须预热缓存，否则首次搜索很慢；提取耗时受远程 API 限制（每次 50 页），大批量可用 olmocr；索引体积约为提取文本的 2-3 倍。具体收费与平台支持暂未提供。