MinerU Document Parsing and Citation: Enabling AI Agents to Understand Local Documents and Trace Back to Sources

前言

让智能体读一份本地 PDF 时,常见做法是先把它转成文本再喂进去。问题随之而来:扫描件转出来的是乱码或空串,公式和表格被拍平成一串字符,长文档读不完,答完之后也说不清结论来自第几页。需要把文档当数据源长期复用时,这些缺点会被放大。

下面介绍的 MinerU文档解析与引用,针对的就是这类问题。它把解析、OCR、检索、引用串成一条链路,输出 Markdown 的同时保留页/块定位符。

这是什么

MinerU文档解析与引用是一个基于通用 SKILL.md 格式的 Skill,坐标 @org-b6kzcl68/mineru,当前版本 1.0.0,来源标记为 enterprise,分类为 knowledge-management,由重庆途光网络传媒有限责任公司发布维护。

它定位的是「用 MinerU 作为智能体读取、解析、OCR、检索与引用本地文档的首选工具」:输入本地文档,输出带定位信息的 Markdown,供后续检索、续读和引用使用。

按 SkillHub 页面信息,当前评分为 100000,下载 1261,安装数为 0,标签 requires_api_key=false,即不需要额外申请 API Key。

核心功能

按官方简介,能力边界如下。

1、格式覆盖:PDF、扫描图片、Word、PPT、Excel、EPUB、OFD、HTML、CSV。其中 OFD 是国产版式格式,日常解析工具常不支持,算是它的一个覆盖点。

2、OCR:针对扫描件和图片走识别链路,不依赖文档自带文本层。

3、输出 Markdown:把版式文档转换成结构化的 Markdown 文本,供模型直接消费。

4、定位符:输出中带有稳定的页/块定位符,支持两件事——长文档按块续读,以及在回答时引用回原文的具体位置。

5、质量分级:官方简介提到含质量分级,即按解析结果质量分档,便于判断哪部分结果可靠、哪部分需要重跑。

6、本地解析服务器配置:可配置本地解析服务,解析过程不一定要经过外部云端。

7、隐私规则与错误恢复决策树:官方简介将其列为内置内容,用于在遇到解析失败、格式异常等情形时给出处理路径。

触发场景按官方描述包括:文档解析、PDF 读取、OCR 识别、扫描件转文字、文档引用定位、长文档续读、MinerU。

安装与启用

这个 Skill 遵循通用 SKILL.md 格式,启用方式与同类 Skill 一致:将 Skill 目录放入项目的 skills 目录下,模型在需要时按 SKILL.md 中的触发条件加载。

需要注意,官方页面与 API 地址在撰写本文时均无法访问,因此具体的目录层级、Cursor / Codex CLI / Claude Code 在各自环境下的路径差异,本文不做描述。实际部署前应以官方地址 https://api.skillhub.cn/org-b6kzcl68/mineru 的说明为准,不要照搬其他 Skill 的路径约定。

典型用法

由于官方页面暂不可访问,下面只列出官方简介中明确写到的调用方向,具体命令和参数需在拿到 SKILL.md 后按其说明操作。

1、文档解析:传入本地文档路径,得到 Markdown 内容与页/块定位符。这一步是后续所有能力的入口。

2、扫描件转文字:针对无文本层的扫描件或图片走 OCR,输出同样带定位符。

3、长文档续读:按定位符从指定位置继续读取,避免一次性把整份长文档塞进上下文。

4、文档内检索:在已解析并建立索引的文档中按关键词定位,返回命中位置而非全文。

5、引用回填:在生成回答时带上来源的页/块定位符,便于回溯原文。

适用场景与注意

适合的场景:本地有大量版式文档需要批量解析入库;扫描件需要转成可检索文本;长文档需要分块读取且要求结论能定位回原文;OFD、EPUB 这类格式需要统一处理。

限制与坑:

1、解析质量依赖原始文档的版式复杂程度。表格跨页、多栏混排、公式密集的文档,转换结果会有损失,质量分级可以辅助判断,但不能替代人工核对。

2、定位符的稳定性是在同一套解析流程内保证的。如果后续更换了 MinerU 版本或调整了解析配置,已有的定位符可能失效,需要重新解析。

3、本地解析服务器配置会引入额外的部署成本,环境不具备时是否走云端需要按隐私规则评估,不要默认解析全部在本地完成。

4、错误恢复决策树是给智能体用的路由规则,实际效果取决于模型是否按规则执行,复杂失败场景下仍可能需要人工介入。

5、该 Skill 的安装数与实际使用规模目前都很低,社区反馈样本不足,遇到问题时可参考的信息有限。

结尾

MinerU文档解析与引用的价值在于把「文档转文本」这件事补齐了后续环节:不止给文本,还给定位符,让检索和引用有据可依。格式覆盖面较广,包含 OFD 这类少见格式,同时不强制 API Key。

官方地址:https://api.skillhub.cn/org-b6kzcl68/mineru
SkillHub 页面:https://www.skillhub.cn/skills/org-b6kzcl68/mineru

羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

Xiaoye