核心用法
MinerU AI 提供两种提取模式：
flash-extract（极速模式） — 无需注册、无需 Token、零配置，单条命令即可将文档转为 Markdown，适合快速预览和轻量任务。
extract（精萃模式） — 需 Token 认证，支持 Markdown、HTML、LaTeX、DOCX、JSON 多格式输出，具备 AI 表格识别、LaTeX 数学公式提取、OCR 扫描件识别、VLM 视觉语言模型处理复杂排版、批量处理等高级能力。
典型场景
- 学术论文 PDF 提取结构与公式
- 扫描合同/发票 OCR 数字化
- 网页整站爬取转 Markdown
- 批量文档流水线处理
显著优点
- 双模式灵活切换：极速免登录 vs 精萃全功能，覆盖从尝鲜到生产的完整链路
- 复杂排版克星：VLM 模型专攻多栏、嵌套表格、图文混排等传统解析器失效场景
- 学术友好：原生 LaTeX 公式输出，数学符号识别精准
- 多语言支持：80+ 语言，含中日韩、阿拉伯、印地语等复杂文种
- 开发者友好：CLI、MCP、Claude Code 多形态集成，npm/go 双渠道安装
潜在缺点与局限性
- 精萃模式依赖外部 Token：需注册获取 API Key，存在网络延迟与调用成本
- flash-extract 功能裁剪：表格、公式识别仅限精萃模式，简单场景够用、专业场景受限
- VLM 模型存在幻觉风险：尽管标注"pipeline 模型零幻觉"，但复杂布局仍可能引入识别偏差
- 文档体积限制：Code 4 提示文件过大可能触发失败
- 开源≠完全免费：精萃模式实际调用云端 API，高频使用需关注配额与计费
适合人群
- AI 开发者（RAG 知识库构建、文档理解 Pipeline）
- 科研人员（论文结构化提取、公式批量导出）
- 数据工程师（企业文档数字化、OCR 替代方案）
- 知识管理用户（网页剪藏、PDF 笔记迁移）
常规风险
- 云端 API 依赖：精萃模式需联网，敏感文档上传存在数据合规考量
- Token 泄露风险：命令行调用时 API Key 可能暴露于 shell history 或 CI log
- 解析一致性：同一文档不同模式输出差异大，生产环境需版本锁定与回归测试
- 版权边界：爬取网页与解析付费 PDF 需遵守源站 Terms of Service