mineru

核心用法

MinerU 是一款由上海人工智能实验室 OpenDataLab 团队开发的开源文档解析工具，该 Skill 提供完整的 API 集成指南。用户通过 Bearer Token 认证后，可调用 v4 版本 API 将 PDF、Word、PPT 及图片文件解析为结构化 Markdown 格式。核心流程包括：提交解析任务（支持单文件或批量）、轮询任务状态、下载结果 ZIP 包。关键参数涵盖公式识别开关 enable_formula、表格识别 enable_table、版面模型选择（doclayout_yolo 快速版或 layoutlmv3 精准版）以及多语言 OCR 支持。输出结果包含完整 Markdown、结构化 JSON、提取图片及版面分析数据，可直接用于论文阅读、知识库构建等场景。

显著优点

学术级解析精度：对 LaTeX 公式的识别与保留能力突出，复杂数学表达式可完整转为 Markdown 格式，这是普通 OCR 工具难以企及的优势。多格式统一处理：单一接口覆盖 PDF、Word、PPT、图片四大类文档，无需切换工具。智能版面分析：针对学术论文常见的多栏排版、图文混排场景优化，自动还原阅读顺序。灵活模型选择：提供速度优先的 pipeline、精度优先的 vlm 以及网页样式输出的 MinerU-HTML 三种版本，适配不同场景。批量处理效率：支持一次性提交多个文件，相比单文件串行处理显著节省配额与等待时间。

潜在缺点与局限性

外部服务依赖：完全依赖 mineru.net 云端 API，无网络环境或服务商故障时将无法使用，且存在服务持续性风险。成本门槛：虽开源但 API 调用需付费套餐，高频使用或大批量文档处理可能产生可观费用。文件规格限制：单文件 200MB、600 页的上限对大部头书籍或扫描版高清文档可能不足。隐私敏感场景受限：文档需上传至第三方服务器处理，涉及机密或隐私内容时存在合规顾虑。纯文档型 Skill：该 Skill 本身仅提供使用说明，无封装代码，用户需自行编写调用逻辑，对非技术用户门槛较高。

适合的目标群体

科研人员与研究生：需要批量处理 arXiv 论文、整理文献笔记，尤其对数学公式保留有强需求。知识管理用户：构建个人或团队知识库，将散落文档转为可检索的 Markdown 格式。开发者与工程师：需要集成文档解析能力至自有系统，MinerU 提供标准化 API 接口。内容运营团队：处理 PPT、Word 等办公文档，快速提取结构化内容用于二次创作。AI 应用开发者：为 RAG 系统、文档问答等场景提供高质量的前置解析环节。

使用风险

API 密钥管理风险：需自行配置 MINERU_TOKEN，若硬编码或泄露可能导致配额被盗用。服务可用性风险：依赖外部商业服务，存在速率限制、服务变更或中断可能。数据跨境风险：文档上传至 mineru.net 服务器，需评估数据合规要求。解析质量波动：复杂手写体、低质量扫描件、特殊排版可能导致识别错误，需人工校验关键内容。配额消耗预期：批量任务虽高效但仍消耗额度，大规模使用前需评估成本。