MinerU

活跃
GitHub Python NOASSERTION

简介

MinerU 是一个高质量文档解析工具，能够将 PDF 等复杂文档转化为 LLM 友好的 Markdown 和 JSON 格式，为 RAG 流程和 Agentic 工作流提供文档数据预处理能力。

核心特性

  • 多格式文档解析 — 原生支持 PDF、DOCX、PPTX、XLSX、图片输入，输出 Markdown/JSON
  • VLM + OCR 双引擎 — 视觉语言模型与 OCR 结合，支持 109 种语言识别，准确率 OmniDocBench 95+
  • 公式与表格提取 — 公式自动转 LaTeX，表格转 HTML，支持跨页表格合并和图表解析
  • 多推理后端 — pipeline（CPU 可运行）、vlm-engine、hybrid-engine 三种后端灵活选择
  • 丰富的集成生态 — MCP Server 对接 Cursor/Claude，原生集成 LangChain、Dify、FastGPT 等 RAG 框架
  • 企业级部署 — 支持 Docker、多 GPU 部署、mineru-router 负载均衡，兼容国产 AI 芯片

适用场景

💡 RAG 系统中文档预处理，将 PDF/Word 转为 LLM 可消费的结构化数据
💡 科研论文解析，自动提取公式、表格和参考文献为可编辑格式
💡 企业文档批量转换，支持数百页长文档的自动化处理流水线
💡 AI 编程工具中通过 MCP Server 实现文档内容的实时解析和检索

标签

data-processing rag python llm tools

分类

📚 RAG 工具

快速开始

# 安装 MinerU
pip install uv
uv pip install -U "mineru[all]"

# 解析文档（GPU 加速）
mineru -p input.pdf -o output/

# 纯 CPU 模式
mineru -p input.pdf -o output/ -b pipeline
访问 GitHub

相关项目