企业官网建设流程全解析

MinerU安装指南：4GB显存跑通PDF解析

【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU

把一份 40 页的学术论文 PDF 丢给 MinerU，几分钟后得到一份标题层级、表格、公式结构都完好的 Markdown，外加一套结构化 JSON——这是它每天干的活。MinerU 把 PDF、DOCX、PPTX、XLSX 这类复杂文档转成大模型可以直接消费的 Markdown 与 JSON，给 RAG 知识库和 Agent 工作流打底层。

一条流水线替代一堆单点工具

PDF 解析难在"看懂版面"而不是"认出单个字"：双栏怎么分、哪个是公式、表头在哪、跨页表格怎么拼。MinerU 的做法是把这件事拆成一条多小模型协同的流水线，核心流程实现在 pipeline 模块 中——布局检测模型负责定位页面里每个块，文本 OCR 负责段落文字，公式、表格结构各有专用模型接手。每个环节都能独立替换、独立升级，不必为一个识别错的公式去重训整个大模型。

从架构图可以看到，文档先经过预处理的元数据提取与乱码检测，再由模型层做 layout 检测、公式检测和文本 OCR，管线层完成表格合并、段落合并等归一化处理后，输出层产出 Markdown、content list 和可视化文件：

所有中间结果会落到统一的middle.json，每个块都带坐标、类型和层级信息，想只抽表格或只抽公式做二次开发，不用回头去解析 Markdown 文本。

安装并跑出第一份 Markdown

用 uv 安装

官方推荐安装带core扩展的包，包含 pipeline 解析的全部依赖：

uv pip install -U "mineru[core]" mineru -p ./demo/pdfs/demo1.pdf -o ./output

首次运行会自动下载模型到本地缓存。网络无法访问默认模型源时，一行环境变量切到国内 ModelScope 源：

export MINERU_MODEL_SOURCE=modelscope mineru -p <input_path> -o <output_path>

解析完成后输出目录里有几份各司其职的文件：直接阅读用的*.md、按阅读顺序平铺的content_list.json、给二次开发用的middle.json，以及把每块检测结果画成色块的layout.pdf用于可视化质检，字段细节见 输出文件说明。

按硬件选解析后端

MinerU 提供多个解析后端，差异集中在硬件要求和精度上：

-b参数切换后端：有 GPU 的机器默认自动选择，无 GPU 的机器显式加-b pipeline就能纯 CPU 跑。模型不想部署在本机时，也可以另起一个 OpenAI 兼容推理服务，客户端用-b vlm-http-client -u <服务地址>直连，客户端本身不要求装 torch。

进阶用法：API、WebUI 与多卡编排

要把它做成服务而不是跑一次任务，有三条现成入口：mineru-api起 FastAPI 服务，提供异步任务提交与同步解析接口；mineru-gradio起可视化 WebUI，浏览器里传文件、看结果；mineru-router把多个服务或本地多张 GPU 的 worker 编排到统一入口，适合批量文档处理。

更细的定制通过用户目录下的mineru.json配置文件做：LaTeX 分隔符、LLM 辅助标题分级、本地模型目录都能配置，模型源的切换和自定义本地路径在 模型源说明 里有完整讲法。

最后提醒一句：哪页解析得不好，先打开对应的layout.pdf看色块，多数问题一眼就能看出原因。

引用

• 官方文档：快速入门
• FAQ：常见问题
• 源码仓库（克隆用）：https://gitcode.com/GitHub_Trending/mi/MinerU

【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU