MinerU

四个值得尝试的使用场景

• 整理研究论文: 先提取包含多栏和公式的论文，再抽查有代表性的公式与表格。保留页码，使后续笔记能够回到作者原本的论证位置。
• 准备知识库材料: 将少量已批准手册转成结构化文字，再切分入库。去掉过期重复版本，并让每条提取记录携带文档版本，减少问答时混用新旧规则。
• 恢复扫描报告: 对可辨认扫描件执行 OCR，重点对照姓名、日期和数字表格。无法确认的段落进入人工复核，不把工具输出直接当成正式数据。
• 帮助智能体阅读长文档: 让应用按需读取相关页或内容块，而不是把整个资料库一次塞进提示词。回答使用的每段材料都保留来源位置，方便核实。

平台、输入输出与部署条件

当前项目支持 PDF、图片及多种办公和网页文档，不同文件对应的解析等级与导出能力不同。纯文本不需要照搬扫描件 OCR 路线，应查现行格式约定，再安排适合的处理方式。

硬件需求取决于等级和推理后端。存在兼容 CPU 的路线，不代表任何笔记本都能快速处理大型档案库。先用小样本估算容量，并把模型文件占用与缓存空间一起纳入部署计划。

数据、权限与许可

本地安装并不自动保证所有处理都留在本机，应检查后端配置和远程解析选项。配置了云端服务时，软件仍可能把文档发送到外部。

原件、提取文字和缓存都需要访问保护。结构化输出会让敏感内容更容易被搜索，因此应像保护原文一样保护派生文件，只保留下游任务需要的内容。