opendatalab/MinerU

MinerU 是一个文档解析工具，可以把 PDF、扫描件、Word、PPT、Excel、EPUB、HTML 等格式的复杂文档转成 LLM 能直接读的 markdown 或 JSON，相当于给大模型准备「干净语料」的前置工序。它内置版面分析和 OCR，能处理双栏排版、表格、数学公式这类通用解析器容易翻车的场景，还提供从快速预览到高质量解析的多档解析策略，按需选择速度与质量。除了单文件转换，它还带本地文档库能力，支持内容检索、按页或块续读，并保留稳定的引用定位，方便 Agent 在长文档中引用出处。如果你在做 RAG 检索、文档问答、Agent 工作流，或者需要批量把公司内部资料、论文、合同喂给模型，它会直接命中你的痛点；纯做前端或业务后端开发的人则关系不大。

Star 趋势

话题标签

仓库信息