Ingest papers and documents from inbox into the knowledge base. Runs the pipeline to convert PDFs via MinerU (auto-splits long PDFs), Office files (DOCX/XLSX/PPTX) via MarkItDown, extract metadata, deduplicate by DOI, and build indexes. Supports three inboxes - regular papers, theses, and general documents. Use when the user has new papers or documents to process, wants to run the pipeline, or rebuild indexes.
将 inbox 中的 PDF、Office 文档（DOCX/XLSX/PPTX）或 Markdown 文件处理入库。
| 格式 | 放入目录 | 处理方式 |
|---|---|---|
.pdf | data/inbox/ 或 data/inbox-doc/ | MinerU 转 Markdown |
.docx .xlsx .pptx | data/inbox-doc/ | MarkItDown 转 Markdown |
.md | 任意 inbox | 直接入库（跳过转换） |
根据用户意图选择预设：
ingest 预设full 预设（入库 + 内容富化 + 重建索引）reindex 预设enrich 预设执行流水线命令：
scholaraio pipeline <preset>
可用预设：full | ingest | enrich | reindex
pipeline 会依次处理三个 inbox 目录：
data/inbox/ — 普通论文（有 DOI 才入库，无 DOI 且非 thesis 转 pending）data/inbox-thesis/ — 学位论文（跳过 DOI 去重，自动标记 thesis）data/inbox-doc/ — 非论文文档（技术报告、讲义、Word/Excel/PPT、标准文档等，跳过 DOI 去重，LLM 生成标题/摘要）Office 文件处理流程（data/inbox-doc/ 中的 DOCX/XLSX/PPTX）：
step_office_convert（MarkItDown）→ 转换为 <stem>.mdstep_extract_doc（LLM 生成标题/摘要）step_ingest（写入 data/papers/）pip install 'markitdown[docx,pptx,xlsx]'无 DOI 论文的处理逻辑：
data/inbox-thesis/ → 直接标记为 thesis 并入库data/inbox-doc/ → 标记为 document 类型，LLM 生成标题和摘要后入库data/inbox/ → LLM 分析判断是否 thesis
data/pending/ 待人工确认超长 PDF（>100 页）自动切分为短 PDF 分段转换后合并。
用户说："我放了几篇新论文到 inbox，帮我入库"
→ 执行 pipeline ingest
用户说："把新论文全部处理完，包括提取目录和结论"
→ 执行 pipeline full
用户说："我有几份技术报告放在 inbox-doc 里了"
→ 执行 pipeline ingest（pipeline 自动处理三个 inbox 目录）
用户说："我把一个 Word 文档放进 inbox-doc 了"
→ 执行 pipeline ingest（自动用 MarkItDown 转换 DOCX）
用户说："重新建索引"
→ 执行 pipeline reindex