MinerU PDF Parser

核心功能

MinerU 是一款面向 AI Agent 的文档解析技能，通过调用 MinerU API 将 PDF、Word、PPT、Excel、图片等格式转换为结构化 Markdown。核心设计亮点包括：

智能路由机制：默认使用免费 Agent API（无需 Token），遇到大文件（>200MB/200页）、批量任务或需导出 DOCX/HTML/LaTeX 时自动切换至 Standard API（需 Token），平衡成本与功能。

多模态解析能力：

• 高精度 OCR 支持多语言（--lang 参数）
• LaTeX 数学公式识别与结构化表格提取
• 原生支持 --stdout Markdown 管道输出和 --json 机器状态反馈

批量与恢复：支持 --workers 并行处理和 --resume 断点续传，适合大规模文档处理场景。

显著优点

1. 零依赖部署：纯标准库实现，无需额外安装
2. AI-Native 设计：--stdout 模式可直接管道输入 LLM，无缝嵌入 Agent 工作流
3. 成本弹性：免费层覆盖大多数单文档场景，Token 按需解锁高级功能
4. 格式覆盖广：从扫描件 PDF 到复杂 Office 文档一站式处理

潜在局限

• 网络依赖：完全依赖 MinerU 云端 API，离线不可用
• 隐私敏感：文档需上传至第三方服务器处理，机密文档需谨慎评估
• Token 门槛：批量/大文件场景必须配置 Token，免费层有隐性边界
• 无本地备选：未提供本地推理回退方案

适合人群

• AI Agent 开发者需快速集成文档解析能力
• 知识库构建者处理批量 PDF/扫描件归档
• 研究人员提取论文公式、表格结构化数据
• 低代码场景追求零配置即开即用体验

常规风险

| 风险类型 | 说明 |

|---------|------|

| 数据泄露 | 文档内容传输至 MinerU 服务器 |

| 服务可用性 | 依赖外部 API 稳定性与配额策略 |

| Token 安全 | `MINERU_TOKEN` 需妥善保管，避免硬编码泄露 |

| 解析准确性 | 复杂版式、手写体、低质量扫描件可能识别错误 |