mineru本地版，它不需要配置大模型，它是直接用cpu跑vlm模型的，vlm模型已经内置到mineru软件里了，所以不需要额外配置大模型，转文档给ai用很好，可以用来同时识别图片和文本。（转出来有图片，图片和文档的正文都存在了本地，图片在一个单独的images文件夹下，被转好后的正文引用本地图片路径；然后加一个agent，打开转好文档的目录，里面有转好后的正文文本，和images子文件夹，我这里用zed里面自己的zed agent，加支持图片的模型，我这里用Gemma4 26b a4b，就可以同时识别图片和文字了）
