【GitHub每日速递 251023】46.1k star, 1.2B参数逆袭！MinerU2.5成最牛文档解析多模态大模型

原文:https://mp.weixin.qq.com/s/0V9R33AYXPjbgcO-OkBsNg

Klavis AI：突破工具集成极限，4 种方式让 AI 无缝对接多服务！

klavis 是一个实现MCP集成层的AI工具。简单讲，它让AI代理能稳定使用成千上万种工具。适用人群：AI开发者、自动化工具构建者

项目地址：https://github.com/Klavis-AI/klavis

主要语言：Python

stars: 4.9k

Klavis AI 提供了让 AI 代理在任何规模下可靠使用工具的 MCP 集成层，主要有以下两个核心解决方案：

• Strata：作为统一的 MCP 路由器，是一个单一的 MCP 服务器，可让 AI 代理在任何规模下可靠地使用工具。它具备可扩展的工具集成能力，能突破 40 - 50 个工具的限制；还能进行渐进式发现，逐步引导代理从意图到行动。
• MCP 集成：拥有 50 多个生产 MCP 服务器，支持企业 OAuth，可将 AI 连接到 GitHub、Gmail、Slack、Salesforce 等服务。采用真正的 OAuth 认证，而非仅依赖 API 密钥，并且支持 Docker，可实现一键部署。

优势

• 可扩展性：Strata 能突破工具数量限制，满足大规模工具使用的需求。
• 渐进式引导：帮助 AI 代理从意图到行动逐步推进，提高使用工具的可靠性。
• 丰富的集成：50 多个 MCP 服务器涵盖了众多主流服务，方便 AI 与各种平台连接。
• 安全认证：使用真正的 OAuth 认证，保障数据安全。
• 便捷部署：支持 Docker 部署，简化部署流程。

应用场景

• 自动化办公：AI 代理可通过 Klavis AI 集成的各种办公工具，如 Gmail、Slack 等，实现自动化的邮件处理、消息沟通等任务。
• 数据分析：连接到 Salesforce 等数据平台，让 AI 代理获取和分析数据，为决策提供支持。
• 软件开发：在 Claude Code、Cursor、VSCode 等开发环境中使用 Strata 或单个 MCP 服务器，提高开发效率。

快速启动方式

• 开源方式：可在自己的基础设施上进行自托管，通过 Docker 拉取并运行 MCP 集成，同时在本地安装开源的 Strata。
• WebUI 托管服务：无需任何设置，只需注册账号，按照快速入门指南操作，即可在相关开发环境中使用。
• SDK 方式：提供 Python 和 TypeScript SDK，可用于构建自定义应用程序。
• 直接 API 方式：使用 REST API，适用于任何编程语言。

1.2B参数逆袭！MinerU2.5成最牛文档解析多模态大模型

MinerU 是一个将复杂文档（如PDF）转换为适合大语言模型使用的Markdown/JSON格式的工具。简单讲，它能把难以处理的PDF文件变成AI容易理解的结构化文本。适用人群：需要处理文档数据的开发者、AI应用工程师、研究人员。

项目地址：https://github.com/opendatalab/MinerU

主要语言：Python

stars: 46.1k

MinerU是一个将PDF转换为机器可读格式（如Markdown、JSON）的工具，便于将内容提取为任意格式。该工具诞生于InternLM的预训练过程，专注于解决科学文献中的符号转换问题，为大模型时代的技术发展贡献力量。

核心功能

• 去除干扰信息：去除页眉、页脚、脚注和页码等，确保语义连贯。
• 按阅读顺序输出：以人类可读的顺序输出文本，适用于单栏、多栏和复杂布局。
• 保留文档结构：保留原始文档的结构，包括标题、段落、列表等。
• 提取元素：提取图像、图像描述、表格、表格标题和脚注。
• 公式和表格转换：自动识别文档中的公式并转换为LaTeX格式，自动识别表格并转换为HTML格式。
• OCR功能：自动检测扫描PDF和乱码PDF并启用OCR功能，支持检测和识别84种语言。
• 多格式输出：支持多种输出格式，如多模态和NLP Markdown、按阅读顺序排序的JSON以及丰富的中间格式。
• 可视化结果：支持各种可视化结果，包括布局可视化和跨度可视化，便于确认输出质量。
• 多环境支持：支持在纯CPU环境中运行，也支持GPU（CUDA）/NPU（CANN）/MPS加速，兼容Windows、Linux和Mac平台。

快速开始

pip或uv安装MinerU

pip install --upgrade pip
pip install uv
uv pip install -U "mineru[core]"

源码安装MinerU

git clone https://github.com/opendatalab/MinerU.git
cd MinerU
uv pip install -e .[core]

在线体验

• 官方在线Web应用 ：功能与客户端相同，界面美观，功能丰富，但需要登录使用。
  • https://mineru.net/OpenSourceTools/Extractor?source=github
• 基于Gradio的在线演示 ：基于Gradio开发的WebUI，界面简单，仅具备核心解析功能，无需登录。
  • https://huggingface.co/spaces/opendatalab/MinerU

本地部署

安装前需注意，为确保项目的稳定性和可靠性，开发过程中仅针对特定的硬件和软件环境进行了优化和测试。不同解析后端对操作系统、CPU、GPU、内存、磁盘空间和Python版本有不同要求。安装方式有多种，可使用pip或uv安装，也可从源代码安装，还能通过Docker部署。使用时，最简单的命令行调用为mineru -p <input_path> -o <output_path>，也可通过命令行、API和WebUI等多种方式进行PDF解析。

优势与应用场景

• 优势：开源免费，具有丰富的功能和良好的兼容性，不断更新迭代以提升性能和修复问题。
• 应用场景：适用于科研人员提取文献内容、数据处理人员进行文档数据转换、企业进行文档管理和信息提取等场景。