pdf-batchlisted

# 文档批量转 Markdown 调用 scripts/batch_convert.py 和 MinerU。保持输入文档只读，将结果写入 PROJECT_ROOT。旧式 `.doc` 先转换为 `.docx`。 ## 环境与运行 MinerU 在 Windows 上要求 Python 3.10 至 3.12。本机默认 Python 可以用于启动批处理，但 MinerU 应使用 uv 建立的独立 Python 3.12 工具环境： uv tool install --python 3.12 "mineru[all]" 安装体积较大，未经用户同意不要自动安装或下载模型。在 PROJECT_ROOT 中运行： python <SKILL_ROOT>\tools\pdf-batch\scripts\batch_convert.py --input knowledge_inbox\pdf --output knowledge_ready 默认使用支持纯 CPU 的 pipeline 后端。可用 --backend auto 切换默认后端，--dry-run 只检查计划，--force 强制重新转换。 推荐单次高精度转换同时生成文本库与图片库成品： python <SKILL_ROOT>\tools\pdf-batch\scripts\batch_convert.py --input <文档目录> --output <多模态包目录> --markdown-output <Markdown目录> --backend auto --effort high --image-analysis --dify-multimodal 此模式对每份文档只调用一次 MinerU，同时发布： - 纯 Markdown：保留公式和图表分析文字、移除无法上传的本地图片链接，用于现有文本知识库。 - `.dify-mm.zip`：包含 `manifest.json`、`document.md` 和唯一命名的原图，用于配套 Dify 插件和统一多模态图片库。该包只索引含图片的块，正文仍由文本库负责。 只有两份成品都存在且不早于源文档时才跳过。中间 JSON、布局结果和临时目录在单篇完成后自动清理。 只需要一个 Markdown 时仍可使用 `--md-only`。 ## 输出与检查 - 图片名包含源文档哈希、图序号和图片哈希；插件再按清单路径与 SHA-256 校验，避免跨论文串图。 - 同名且同扩展名的源文档会在输出名中加入内容哈希，避免覆盖。 - batch_report.json 记录源文件 SHA-256、命令、状态、耗时和输出。 - dify_upload_list.txt 列出成功生成的 Markdown，供用户手动上传。 - conversion.log 保存每篇文档的 MinerU 输出。 重复运行时跳过未变化且两份成品均已存在的文件。文本 Markdown 上传普通知识库；`.dify-mm.zip` 只上传统一多模态图片库。