用途：将一批本地PDF构建为Asta可搜索文档索引，把每个PDF转成Markdown，按约2000字符切块，写入asta-documents YAML索引，从而支持对全文的语义搜索。
安装：需asta CLI 0.16.0，使用uv安装；要求Python 3.11+和uv。命令：PLUGIN_VERSION=0.16.0；若版本不符则 uv tool install --force git+https://github.com/allenai/asta-plugins.git@v$PLUGIN_VERSION。
使用方式：先向用户确认四项信息：PDF目录、Markdown输出目录、集合名、是否包含图片（默认否）。建议将PDF与Markdown作为同级目录置于同一父目录下，索引文件位于该父目录，例如PDF在/data/papers/pdfs，则Markdown建议为/data/papers/markdown，索引为/data/papers/index.yaml；索引存相对路径，便于移植和纳入git。
流程：资产目录含extract-pdfs.sh（经asta pdf-extraction remote把PDF转Markdown）、chunk-and-index.py（切块并写YAML索引）、warm-cache.sh（预热搜索缓存）。步骤：发现PDF并估算规模与耗时；抽取Markdown（可选--images，启用后每个PDF单独子目录）；切块建索引（需pyyaml，命令含必填--index-path，可用--chunk-size调整，默认2000字符）；预热缓存（必做，参数为含index.yaml的DATASET_ROOT）；最后用asta documents列示与展示结果。
搜索：asta documents --root "$DATASET_ROOT" search --summary="查询" --tags="集合名"，可加--show-scores，可按--extra过滤来源，或用list列出。
限制：抽取每10页约2-5分钟（远程API，每次50页上限）；olmocr更适合超20个PDF，并行约每页10-20秒；切块约1-2秒/PDF；索引约为抽取文本的2-3倍；缓存预热5-30秒。索引为追加式，保留既有文档，需重建时先删除index.yaml。提取与索引可跳过已处理文件，可安全重跑。