mineru

weixin_37763484

【MinerU】 Docker 使用问答记录定义在 pyproject.toml:110-120：具体来说，all 在 core 基础上额外安装：

weixin_37763484

【MinerU】 3090部署 CUDA版本升级我在矩池云上租了3090，但是 CUDA 只有12.2，当使用 MinerU 的 -b vlm-auto-engine时，官方文档上写着CUDA最低要12.9，当我询问 Gemini 如何升级的时候，给出的答案是只升级 CUDA Toolkit。

weixin_37763484

【MinerU】 Docker Compose 使用注意：Docker 部署仅支持 Linux 和 Windows WSL2，不支持 macOS。Docker Compose 需要 MinerU 的 Docker 镜像，需先构建。

weixin_37763484

【MinerU】API 服务与 Router服务MinerU 提供 mineru-api 命令启动 FastAPI 服务，支持同步和异步两种处理模式：

weixin_37763484

【MinerU】多类型文件解析与模型管理MinerU 目前支持以下文件格式：注意：只支持 Office Open XML 格式（.docx/.pptx/.xlsx），不支持旧版二进制格式（.doc/.ppt/.xls）。

weixin_37763484

【MinerU】昇腾910B部署npu.Dockerfile 是 MinerU 为华为昇腾（Ascend）NPU 加速卡专门提供的 Docker 构建文件，用于在昇腾硬件上运行 MinerU 的全部功能（pipeline、vlm-auto-engine、hybrid-auto-engine 等）。

MinerU 系列教程 | 第一课：走进 MinerU -- 核心功能与整体架构概览MinerU 系列教程第一篇本篇教程作为模块一：基础入门与架构概览的第一课，全面介绍 MinerU 的核心功能与整体架构。无论你是刚接触文档解析领域的新手，还是正在寻找高质量 PDF 解析方案的工程师，本文都将帮助你建立对 MinerU 的全局认知，为后续的实战操作打下坚实基础。

熊猫钓鱼>_>

MinerU的正确使用方式：如何解析PDF成标准化向量数据，以供AI大模型等场景应用MinerU 是一款基于 InternVL架构的轻量化视觉多模态模型（仅1.2B参数），专为高密度文档解析设计。它通过“视觉理解+语义分析”的双重能力，将复杂PDF（多栏排版、表格、公式、图文混排）精准转换为结构化数据（Markdown/JSON），为AI大模型训练、RAG系统和企业知识库构建提供高质量数据源。其纯CPU可运行的特性，大幅降低了智能文档处理的部署门槛。

RAG跨页表格怎么自动对齐合并？在构建RAG系统时，我们常常面临一个棘手的问题：跨页表格的处理。当一份文档中的表格因为分页被拆散时，简单的OCR或文本提取只能得到零散的行列碎片，而丢失了表格的整体结构。这对于后续的语义检索和答案生成是灾难性的——一个完整的表格被拆成多段，检索系统无法理解其整体含义，大模型也无法准确回答涉及表格全局的问题。

MinerU2.5源码拆解：双后端架构设计与企业级部署实践8月中旬的时候，我去MinerU的办公室交流过一次。当时对方有位工作人员表示，接下来会很快基于视觉模型的路线实现全面 SOTA。说实话，那个时候我还挺怀疑的。毕竟，那个时候MinerU2.0从6月中旬算起，已经发布了快两个月。但我在手头一些复杂布局的项目文档测试发现，实际和Textin这种闭源产品还是有不小差距。

阿里巴巴P8资深技术专家

Spring Boot 实现文档智能解析与向量化：支持 Tika、MinerU、OCR 与 SSE 实时进度反馈Spring Boot 实现文档智能解析与向量化：支持 Tika、MinerU、OCR 与 SSE 实时进度反馈

本地部署mineru-tianshu项目链接 https://github.com/magicyuan876/mineru-tianshu/

MinerU Docker 部署指南：PDF 结构化解析服务实践MinerU 是一款面向开发者与科研用户的 PDF 结构化解析工具，专注于将 PDF 文档高质量地转换为机器可读格式（如 Markdown、JSON 等），以便于后续的检索、分析与二次加工。MinerU 起源于「书生·浦语」大模型预训练过程，核心目标是解决科技文献中复杂版式、符号与公式的高质量解析问题，在大模型时代为科研与工程应用提供可靠的数据基础。

claude-agent-sdk mineru-parser-skill发票识别不谈玄学，只讲落地。我是一名深耕算法工程化一线的实践者，擅长将新技术、关键技术、AI/ML 技术从论文和 demo 转化为可规模化部署的生产系统。在这里,你看不到堆砌公式的理论空谈,只有真实项目中踩过的坑、趟过的路,每一篇文章都源自实战经验的提炼。我相信技术的价值在于解决真实问题,而不是制造焦虑。如果你也厌倦了"收藏即学会",渴望掌握让算法真正跑起来的硬核能力,那么这里就是你的技术补给站。

MinerU离线推理https://github.com/opendatalab/MinerU

水中加点糖

源码运行RagFlow并实现AI搜索(文搜文档、文搜图、视频理解)与自定义智能体（一）众所周不知，RagFlow是由国内一家公司开源的一款软件，在AI知识库构建、智能体编排等场景中深受全球开发者的喜爱。快速体验地址为：https://ragflow.io/

赋范大模型技术社区

LanChain1.0实战：MinerU+HITL 打造字符级定位文档审核 Agent（附源码）文档审核革命：人工审查需要数天，AI仅需5秒，准确率超越人类专家！厌倦了耗时的文档审核？最新研究表明，先进的大语言模型（LLM）在法律问题识别上已超越人类专家，成本降低惊人的99.97%。本文基于LangChain 1.1 + DeepSeek-v3.2 + MinerU，构建企业级智能文档审核系统。

如何部署自己的MinerU API OCR服务？以下为兼容MacOS和Linux的部署步骤：1、准备Dockerfile2、准备compose.yaml

Mineru 智能文档解析引擎-快速上手MinerU是一款将PDF转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式。 MinerU诞生于书生-浦语的预训练过程中，我们将会集中精力解决科技文献中的符号转化问题，希望在大模型时代为科技发展做出贡献。相比国内外知名商用产品MinerU还很年轻，如果遇到问题或者结果不及预期请到issue提交问题，同时附上相关PDF。

MinerU2.5：一种用于高效高分辨率文档解析的解耦视觉-语言模型MinerU2.5 是一个具有 12 亿参数的视觉-语言模型，用于文档解析，它在保持高计算效率的同时实现了最先进的准确性。它采用两阶段解析策略：首先对下采样的图像进行高效的全局布局分析，然后对文本、公式和表格的原分辨率裁剪部分进行细粒度的内容识别。通过大规模、多样化的数据引擎支持预训练和微调，MinerU2.5 在多个基准测试中始终优于通用模型和特定领域模型，同时保持较低的计算开销。