opendatalab/MinerU

解決的問題

MinerU 是一個全面的文件解析工具，專為將複雜文件（包括 PDF、掃描圖像及各種 Office 格式）轉換為乾淨、結構化且機器可讀的內容而設計。它解決了從不同檔案格式提取文字時，結構資訊（如表格、公式與版面）遺失的問題，非常適合需要高保真文件理解的 AI 代理與 RAG 流程。

工作原理

MinerU 採用多層級解析方式，在速度與品質之間取得平衡：

• 四個解析層級：提供 Flash（快速預覽/索引）、Basic（OCR 與模型驅動）、Standard/Advanced（高品質版面分析）。
• 廣泛的格式支援：支援 PDF、影像、DOC/DOCX、PPT/PPTX、XLS/XLSX、RTF、ODT/ODS/ODP、EPUB、OFD、HTML/MHTML，以及 CSV/TSV。
• 彈性的執行環境：支援多種推論引擎，包括 ONNX 與 Torch 用於小型模型，以及 llama.cpp、vLLM 或 LMDeploy 用於視覺語言模型（VLM）。
• 文件庫：管理本地資料庫，快取解析結果，支援內容搜尋，並提供穩定的定位器以引用特定頁面或區塊。

適用對象

• AI 代理開發者：需要一種可靠方式讓代理讀取、引用與導航長文件，而不會過度占用上下文視窗。
• 資料工程師：需要將大量異質文件批量轉換為 Markdown、LaTeX 或 HTML 以用於訓練或分析。
• RAG 流程建構者：需要精確的文件解析以確保檢索到的上下文品質。

主要亮點

• 高保真提取：專精於處理表格、公式與複雜頁面版面。
• 面向代理的設計：提供穩定的定位器（doc:id/tier/page/block），支援精確引用與逐步閱讀。
• 多目標渲染：可將結果匯出為 Markdown、HTML、LaTeX、DOCX、EPUB、PDF 與結構化內容。
• 本地優先：預設於本地運作，確保隱私與資料安全。