feat(documents): PDF 文本层抽取（S6 第一段；扫描件仍诚实拒绝）

- 依赖：github.com/ledongthuc/pdf（**BSD-3-Clause**，非 MIT —— 子代理核了 LICENSE 并纠正了任务书的写法；零传递依赖；无 cgo/无外部进程；体积 strip 后 +285.5 KiB / +0.74%，在 detached worktree 里量取，产出写到仓库外）。被否候选：pdfcpu 无文本抽取、rsc.io/pdf 停更、pdfium/poppler/mupdf 需 cgo 撞红线。

- 实现：魔数 %PDF- 是唯一入口判定（名字/声明指向 PDF 而字节无魔数 ⇒ ErrUnsupported，绝不退回纯文本抽）；逐页 GetPlainText（页间仅去首尾空白）；ExtractorVersion v2→v3（所有 sidecar 一次性重抽）；页数上限 5000 + 字节安全上限复用；新增哨兵 ErrPDFEncrypted / ErrPDFDamaged。

- 诚实边界：无文本层（扫描件）⇒ ErrNoTextLayer 且文案含「图片型/无文本层 PDF，需要 OCR（当前未做）」；加密/损坏各自可判、绝不 panic、不回空正文假装成功。

- 白名单与成对裁决：.pdf 纳入（22→23），且 ContentAllowed 做双向裁决（.pdf 只收嗅探为 application/pdf；PDF 字节只收在 .pdf 名下）；读侧真 PDF 如实下发 application/pdf，仍 attachment + nosniff（不可内联）。

- 1 处 panic 兜底已如实登记：该库对「xref 指向文件外」畸形件会在 NumPage() 直接 panic（已用仓库外程序复现），单二进制常驻后端不能因 587 字节上传件崩掉 ⇒ defer recover 折成 ErrPDFDamaged；损坏类主用例仍走库的真出错路径。

- 主会话独立验收：隔离 worktree（B1 的 14 文件）build/vet 绿、全树 59 包 0 FAIL、PDF 用例 13 PASS、双平台交叉编译绿；变异独立复现（魔数裁决短路 ⇒ 魔数/成对裁决用例红）。

- ⚠️ 契约漂移（已排 C2）：Docs 仍写「22 项白名单 / 嗅探仅放行 text/plain」，与本切片的 23 项 + 成对裁决不一致 ⇒ 需升 v0.61 登记 .pdf 与新的边界。

internal/runtime/documents/extract.go

@@ -1,10 +1,12 @@
-// Package documents 实现文档摄取层（design/24 §4）：把一份已落盘的文本类文档
+// Package documents 实现文档摄取层（design/24 §4）：把一份已落盘的文档
 // 抽成可注入模型可见上下文的正文，并把结果缓存进 sidecar（只抽一次）。
 //
-// 本期只处理纯文本类（design/24 §1.2 的 P0）：抽取是**纯函数**、零新依赖、
-// 不触网、不落盘。PDF/Office 按 §8-1 的默认裁决**诚实拒绝**（返回
-// ErrNoTextLayer）：绝不假装成功，也绝不返回「空正文 + nil 错误」——后者会让
-// 上游把「读不到」误当成「读到了空文件」，正是 F2 要消灭的那种误解。
+// 本期处理**纯文本类**（design/24 §1.2 的 P0）与 **PDF 的文本层**（切片 B1，
+// design/24 §7 的 S6 第一段）：抽取是**纯函数**、不触网、不落盘（sidecar 由
+// 装配期写）。Office（.doc/.docx/.xls/.xlsx/.ppt/.pptx/.odt/.ods/.odp/.rtf）与
+// **图片型/扫描件 PDF** 按 §8-1 的裁决**诚实拒绝**（返回 `ErrNoTextLayer`，
+// 文案说清「需要 OCR」）：绝不假装成功，也绝不返回「空正文 + nil 错误」——后者
+// 会让上游把「读不到」误当成「读到了空文件」，正是 F2 要消灭的那种误解。
 package documents
 
 import (
@@ -26,7 +28,11 @@ const (
 	//
 	// v2（切片 T1 §7.2）：抽取期**不再**按注入预算截断，只在安全上限
 	// （MaxSidecarBytes）处截断 —— 旧缓存里的正文可能少了一大截，必须重抽。
-	ExtractorVersion = "documents/v2"
+	//
+	// v3（切片 B1）：**PDF 文本层开始能抽**（原先一律诚实拒绝），且失败原因的
+	// 分类与文案全变了（无文本层/加密/损坏各自成哨兵）—— 旧缓存里的 unreadable
+	// 结论已经是错的，必须重抽。
+	ExtractorVersion = "documents/v3"
 
 	// MaxSidecarBytes 是 sidecar 正文的**安全上限**（字节，8 MiB 文本）。
 	//
@@ -49,10 +55,11 @@ const (
 	// 目的是挡住被误存进来的二进制，不是做通用格式识别。
 	binaryProbeBytes = 512
 
-	// kindText / kindCSV / kindTSV 是 Result.Kind 的取值。
+	// kindText / kindCSV / kindTSV / kindPDF 是 Result.Kind 的取值。
 	kindText = "text"
 	kindCSV  = "csv"
 	kindTSV  = "tsv"
+	kindPDF  = "pdf"
 
 	// csvDelim / tsvDelim 是摘要切列名用的分隔符。
 	csvDelim = ","
@@ -75,9 +82,11 @@ var (
 	// ErrUnsupported 报告内容不在可抽取的纯文本范围内（二进制、非文本类型）。
 	ErrUnsupported = errors.New("documents: 内容不在可抽取的纯文本范围内")
 
-	// ErrNoTextLayer 报告这是一份需要文本层解析的格式（PDF/Office）：本期
-	// 按 design/24 §8-1 诚实拒绝，不引解析库（单二进制体积与失败面）。
-	ErrNoTextLayer = errors.New("documents: 无文本层（PDF/Office 本期不支持解析）")
+	// ErrNoTextLayer 报告这份内容的格式需要文本层，而我们读不出文本层：一类是
+	// **图片型/扫描件 PDF**（它本就没有文本层，要先栅格化再 OCR，纯 Go 没有可靠
+	// 的栅格化实现 —— 切片 B1 的口径），另一类是本期不解析的 **Office**
+	// （.doc/.docx/.xls/.xlsx/.ppt/.pptx/.odt/.ods/.odp/.rtf）。
+	ErrNoTextLayer = errors.New("documents: 无文本层（图片型/扫描件 PDF 需 OCR；Office 本期不支持解析）")
 )
 
 // Result 是一次抽取的产物。它是抽取器的全部对外事实：正文、字符数、是否
@@ -92,8 +101,11 @@ type Result struct {
 	// 它与「注入被截断」是两件事：后者由装配期按注入预算判定并写进
 	// history.DocumentRef（切片 T1 §7.2）。
 	Truncated bool
-	// Kind 是抽取出内容的种类（text / csv / tsv）。
+	// Kind 是抽取出内容的种类（text / csv / tsv / pdf）。
 	Kind string
+	// Pages 是 PDF 的页数（其它种类恒为 0）。它随 sidecar 元数据落盘，用来让
+	// 「这份 PDF 有多大」这件事在缓存里可见（切片 B1）。
+	Pages int
 	// ExtractorVersion 是产出本结果的抽取器版本。
 	ExtractorVersion string
 }
@@ -101,20 +113,36 @@ type Result struct {
 // Extract 把一份文档的字节抽成可注入的正文。它是**纯函数**：不读盘、不写盘、
 // 不依赖任何外部状态，因此 sidecar 命中与未命中得到逐字相同的结果。
 //
-// name 是服务端存储名（扩展名决定 CSV/TSV 特例与办公格式的诚实拒绝），mime 是
+// name 是服务端存储名（扩展名决定 CSV/TSV 特例与 Office 的诚实拒绝），mime 是
 // 服务端字节嗅探所得：按 design/24 §3.2 的口径它只作**否决**参考，绝不让一份
 // 不被认可的文档变成可抽取。
 //
-// 返回的错误一律是上面两个哨兵错误的包装；绝不 panic，也绝不返回「空正文 +
+// 分派顺序（切片 B1 起）：
+//  1. **魔数 `%PDF-`** → 走 PDF 文本层抽取（`extract_pdf.go`），扩展名与 MIME
+//     都不参与 —— 字节说了算，与存储侧的字节嗅探同源；
+//  2. 名字/嗅探指向 PDF、字节却不是真 PDF → 明确拒绝（绝不退回按纯文本抽）；
+//  3. Office 扩展名 → `ErrNoTextLayer`；
+//  4. 非纯文本声明、明显二进制 → `ErrUnsupported`；
+//  5. 其余按纯文本抽（CSV/TSV 另加摘要行）。
+//
+// 返回的错误一律是上面那些哨兵错误的包装；绝不 panic，也绝不返回「空正文 +
 // nil 错误」。
 func Extract(name, mime string, data []byte) (Result, error) {
 	ext := strings.ToLower(filepath.Ext(name))
+	base := baseMIME(mime)
+	if hasPDFMagic(data) {
+		return extractPDF(data)
+	}
+	if ext == PDFExt || base == PDFMIME {
+		// 「说得像 PDF、字节却不是」：这是**声明与内容不一致**，按不支持拒绝。
+		// 绝不能退回按纯文本抽 —— 那等于让一份改名成 .pdf 的 HTML/脚本以
+		// 「文本」身份进模型上下文。
+		return Result{}, fmt.Errorf("documents: extract %s (mime %q): 缺少 PDF 魔数: %w", ext, base, ErrUnsupported)
+	}
 	if noTextLayerExt(ext) {
 		return Result{}, fmt.Errorf("documents: extract %s: %w", ext, ErrNoTextLayer)
 	}
-	if base := baseMIME(mime); base == pdfMIME {
-		return Result{}, fmt.Errorf("documents: extract mime %q: %w", base, ErrNoTextLayer)
-	} else if base != "" && !textualMIME(base) {
+	if base != "" && !textualMIME(base) {
 		return Result{}, fmt.Errorf("documents: extract mime %q: %w", base, ErrUnsupported)
 	}
 	if looksBinary(data) {
@@ -137,12 +165,13 @@ func Extract(name, mime string, data []byte) (Result, error) {
 	return res, nil
 }
 
-// noTextLayerExt 报告扩展名是否属于**诚实拒绝**的办公/文档格式（design/24
-// §8-1 的默认裁决）：它们的正文在压缩流或文本层里，本期不引解析库，因此明确
-// 报告读不到，而不是把二进制塞进上下文。
+// noTextLayerExt 报告扩展名是否属于**读不到文本层**的格式（design/24 §8-1 的
+// 默认裁决）：**Office 一族**的正文在压缩流或文本层里，本期不引解析库，因此明确
+// 报告读不到，而不是把二进制塞进上下文。PDF **不在**这里 —— 它的文本层由
+// `extract_pdf.go` 真抽（抽不到文本层的图片型 PDF 由那条路径给出 ErrNoTextLayer）。
 func noTextLayerExt(ext string) bool {
 	switch ext {
-	case ".pdf", ".doc", ".docx", ".xls", ".xlsx", ".ppt", ".pptx",
+	case ".doc", ".docx", ".xls", ".xlsx", ".ppt", ".pptx",
 		".odt", ".ods", ".odp", ".rtf":
 		return true
 	default:
@@ -150,9 +179,6 @@ func noTextLayerExt(ext string) bool {
 	}
 }
 
-// pdfMIME 是拒绝对应的嗅探基类型。
-const pdfMIME = "application/pdf"
-
 // baseMIME 把一个媒体类型归一为基类型（去参数、小写）。S1 的存储早已只落
 // 基类型，这里只是不让带参数的输入影响判定。
 func baseMIME(mt string) string {