面向 LLM · RAG · Agent 的高精度文档解析引擎 ｜ 实测版本
3.4.4｜ 含本地真实跑通经验与踩坑实录
一、介绍：MinerU 是什么
MinerU（opendatalab/MinerU）是一个面向 LLM · RAG · Agent 工作流 的高精度文档解析引擎。它把 PDF / 图片 / DOCX / PPTX / XLSX / 网页转换为机器可读的 Markdown / JSON，供下游检索、抽取与处理。它的起源是 InternLM 预训练过程中的科学文献符号（公式、表格）转换需求，因此对公式和表格的处理是强项。
一句话定位：把"人类看的文档"变成"模型能吃的干净结构化数据"——这是任何 RAG / 知识库 / 文档智能产品的第一道摄入层。
1.1 能力矩阵
基于本地实测（markitdown v0.1.6 · Python 3.13）编写，输出均为真实命令捕获，非示意。 项目：https://github.com/microsoft/markitdown ｜ 许可证：MIT（可商用）｜ 维护：Microsoft AutoGen 团队
验证进度：9 种格式中，Excel / Word / HTML / ZIP / Image(EXIF) / Audio(容器元数据) 已在本地用真实文件跑通；PPT / PDF 表现与直觉有出入（已标注）；YouTube 因本环境代理重置其 TLS 而未在本机跑通，命令与用法见第 5 节，可在能直连 YouTube 的机器上验证。
1. 它到底是什么
一句话：把任意文件（PDF / Office / 图片 / 音频 / 网页 / 压缩包…）转换成对 LLM 友好的 Markdown 的轻量 Python 工具。
本质定位：AI 应用链路里「模型前面的数据入口」——在喂给 RAG / 知识库 / 检索之前，先把杂乱格式洗干净。 设计哲学：不追求高保真排版还原，只保留对机器有用的结构（标题、列表、表格、链接），输出给文本分析工具消费。
⚠️ 它不是排版转换工具。如果你要的是「合同归档 / 视觉一致的 PDF 重排」，它不合适。
2. 30 秒上手
MinerU 是 OpenDataLab 开源的一款高精度文档解析引擎，能把 PDF、DOCX、PPTX、XLSX、图片和网页转换成结构化的 Markdown 或 JSON，方便下游 LLM、RAG 和 Agent 工作流直接消费。
What｜是什么
MinerU 的定位是“为 LLM 准备数据”的文档解析基础设施。它支持多种输入格式，输出则强调人类阅读顺序和语义结构：
mineru-router 等多种使用形态Why｜为什么值得关注
MinerU 诞生于 InternLM 预训练过程中的实际需求，最初是为了解决科技文献中的符号转换问题。相比直接购买商业文档解析服务，它的几个亮点很突出：
pipeline 后端快且省资源，vlm-engine / hybrid-engine 后端精度更高，可按场景选择pipeline 后端在 OmniDocBench v1.6 上整体得分 86.47，hybrid 后端可达 95.39（high 模式）本文档详细介绍了如何在 macOS 上使用 Automator 创建一个快速操作将 PDF 文件转换为 JPG 格式，每页一张。
开发 Automator 快速操作（“PDF2JPG”）
#!/bin/bash
# 加载 Homebrew 环境（适用于 Apple Silicon 芯片）
if [ -f "/opt/homebrew/bin/brew" ]; then
eval "$(/opt/homebrew/bin/brew shellenv)"
fi
# 加载 Homebrew 环境（适用于 Intel 芯片）
if [ -f "/usr/local/bin/brew" ]; then
eval "$(/usr/local/bin/brew shellenv)"
fi
# 确保 ImageMagick 在 PATH 中
export PATH="/usr/local/bin:/opt/homebrew/bin:$PATH"
// ...
安装 ImageMagick
brew install imagemagick
概述
Elmo 是您的 AI 网络副驾驶，可创建摘要、洞察和扩展知识。
免费且无需 GPT/OpenAI 帐户和多语言支持。
功能亮点：
✅ 总结网站：将网络内容转换为快速、简短的摘要。
✅ 总结 YouTube：通过视频快速洞察和导航。
✅ 总结 Google Docs：高效创建 Google Docs 的简洁摘要。
✅ 与 PDF 聊天：简化对大型文档的理解。
✅ 回答问题：从网页获得即时答案。
✅ 关键字探索：在浏览过程中无缝提取相关信息。
✅ 翻译：轻松将文本翻译成不同的语言。
✅ 改写段落：简化和澄清复杂的句子。
如何使用？
🔹 单击“添加到 Chrome”按钮并将其固定到工具栏。
🔹 单击图标或按 Cmd/Ctrl + Shift + E 激活 Elmo Chat。
🔹 Elmo Chat 将为您总结当前网页。