MinerU 是一个开源项目，由 opendatalab 开发，旨在将复杂文档（如 PDF 和 Office 文档）转换为 LLM 就绪的 Markdown/JSON 格式，以支持智能体（Agentic）工作流。它 4.0 版本将文档解析、本地文档库和服务工具整合到一个工作流中，用于文档转换、应用集成和智能体读取。
用途 MinerU 主要用作命令行文档阅读器，供智能体使用。它解析本地文档为可读内容，允许智能体按页或块继续读取，并返回稳定的定位符用于后续读取和引用。它并非 RAG 框架、向量数据库或聊天文档应用。
主要能力
- 四个解析层级：Flash 用于快速预览和索引；Basic 用于 OCR 和基于模型的解析；Standard / Advanced 用于更苛刻的布局和质量要求。
- 多种输入格式：PDF、图像、DOC/DOCX、PPT/PPTX、XLS/XLSX、RTF、ODT/ODS/ODP、EPUB、OFD、HTML/MHTML 以及 CSV/TSV。DocVortex 提供原生文档解析。
- 文档库和智能体读取：发现文件、缓存结果、搜索内容、按页或块继续、保留稳定的引用定位符。
- 独立模型配置：小模型支持 ONNX 或 Torch；VLM 支持 llama.cpp、vLLM 或 LMDeploy。
- 统一工具：Python SDK、V1 API、无状态批量转换、多服务 Router，以及基于 Gradio 的 WebUI。
- 结构化结果和渲染：一个文档模型支持九种渲染目标：Markdown、HTML、LaTeX、DOCX、EPUB、PDF、Structured Content 以及 Content List V1/V2。每个 CLI/API 暴露自己的导出子集。
使用方式 可以通过智能体技能安装：向智能体发送安装消息，让智能体为你安装 MinerU。手动安装需要 Python >=3.10,<3.15，在虚拟环境中安装 MinerU 4.0 稳定版。默认安装开箱即用：小模型运行 ONNX CPU 推理，VLM 运行 llama.cpp 的 Vulkan 模式，在绝大多数设备上兼容性良好。如有 NVIDIA GPU，安装 mineru[full]>=4.0 可获得最佳吞吐量。Windows 上需单独安装 GPU 版 torch；macOS 默认安装即为最佳吞吐量包，无需 [full]。其他非 NVIDIA 设备需自行安装加速版 torch 加 vllm/lmdeploy 以获得最佳推理速度。
常用命令包括：mineru parse <file> 解析文档；mineru read <locator> 读取定位符；mineru find 按文件名查找；mineru search 搜索已索引文档；mineru show 或 mineru list 查看状态；mineru watch 或 mineru scan 管理监视文件夹；mineru forget 遗忘文件或文件夹；mineru parse --force 或 mineru invalidate 强制重新解析；mineru usage --json 查看远程 API 使用情况。
适用场景 适用于需要读取、检查、总结、引用、引用或回答关于本地文档的问题；将文档内容转换为 Markdown 进行分析；OCR 扫描的 PDF 或图像；从支持的文档格式中提取内容；使用页/块继续处理长文档而非将整个文件加载到上下文中；搜索已索引文档；检索页面或块图像进行视觉检查；使用定位符保留稳定引用。
隐私与遥测 MinerU 隐私优先，默认本地解析。仅当命令使用 --remote 参数时才会上传文档。本地失败不会静默回退到远程；远程失败可能在本地仍可满足请求时回退到本地。对于敏感、机密、法律、医疗、财务、个人或专有请求，除非用户明确许可远程，否则保持本地。MinerU 可能收集匿名、本地聚合的使用和诊断遥测，但不会收集文档内容、提取文本或图像、文件名、路径、搜索查询、提示、片段、API 密钥、用户名、主机名、原始堆栈跟踪或确切硬件标识符。用户可以检查并明确启用或禁用遥测。
限制
- 文档不会自动上传到官方服务；远程解析需要显式配置。
- 纯文本文件（.txt、.md、.markdown、.rst、.tex）不解析，直接读取。
- PDF 和图像支持所有四个层级；Office、OpenDocument、EPUB、OFD、HTML/MHTML 和 CSV/TSV 使用本地 Flash 原生解析。
- 非 NVIDIA 设备的 Docker 部署待更新。
- 远程解析需要用户明确同意，且涉及质量、隐私、下载或配置选择时，需呈现恢复路径并等待用户选择，不得静默回退到非 MinerU 解析器。
以上信息均基于提供的官方文本，未提供的内容暂未提及。
