feat: 增量处理与 pipeline 断点续跑

- M2 run_extractor: 产物存在即跳过提取(仅回补 index),--force 全量;
  增量成功率统计含跳过项,修复全跳过时误报失败
- M4 run_event_extraction: data/events/{day}/{url_hash}.json 已存在即跳过,
  不重复调用 LLM API;--force 全量;failed 只留本次失败
- M5 run_embedding: data/embeddings/{day}/{url_hash}.json 已存在即跳过,
  不重复调用 embed API;--force 全量
- scheduler/pipeline: 步骤结果按日期写入 data/pipeline/state.json(原子写),
  run_pipeline(resume=True) 从首个失败/未执行步骤续跑
- run_scheduler + a-share CLI: --once --resume 断点续跑(--steps 互斥)
- 新增 tests/test_incremental.py 10 个测试(跳过逻辑 + resume)
- .gitignore: 忽略 data/pipeline/ 运行状态

scripts/run_scheduler.py

@@ -59,11 +59,17 @@ def _parse_schedule_times(raw: str) -> list[tuple[int, int]]:
 
 
 def _once(args: argparse.Namespace) -> int:
-    """单次执行模式。"""
+    """单次执行模式。
+
+    默认全量执行;--resume 时断点续跑(跳过连续成功步骤,从失败/未执行步骤继续)。
+    """
     steps = None
     if args.steps:
         steps = [s.strip() for s in args.steps.split(",")]
-    run_pipeline(args.date, steps=steps)
+    if args.resume and args.steps:
+        logger.error("--resume 与 --steps 不能同时使用(断点续跑针对全链路)")
+        return 2
+    run_pipeline(args.date, steps=steps, resume=args.resume)
     return 0
 
 
@@ -185,6 +191,10 @@ def main() -> int:
     )
     parser.add_argument("--steps", default=None,
                         help="仅执行指定步骤,逗号分隔 (如 crawler,extractor)")
+    parser.add_argument(
+        "--resume", action="store_true",
+        help="断点续跑(仅 --once):跳过连续成功步骤,从上次失败/未执行步骤继续",
+    )
     parser.add_argument("--log-level", default="INFO")
     args = parser.parse_args()