手里的 PDF 喂不进知识库，MinerU 把这一环补上了

它解决的是哪个具体的麻烦

把 PDF 转成文字，工具早就一堆了。但只要你真拿论文、财报、合同去试过，就知道它们在哪儿翻车。

最常见的是双栏排版。学术论文、报纸、研究报告都爱用双栏，普通工具一读，从页面最左边一路读到最右边，左右两栏的句子全拼在一起，出来的东西根本没法看。

MinerU 会先分析页面布局，再按人眼真正的阅读顺序去提取。左边是原始的双栏论文，右边是它转出来的结果：

第二个是表格，这是 PDF 转换最容易崩的地方。合并单元格、多行表头、跨了三页的长表、甚至整张表是竖着印的，普通工具基本交白卷。

下面这张，左边是一张竖排的医学论文表格，右边是转出来的结果：

除了这两样，它还内置了 OCR，扫描件、老书、发票、拍下来的档案照片都能识别；论文里的公式会转成标准的 LaTeX 代码；输出会保留标题、正文、列表、图片、脚注这些层级，不是甩给你一整坨纯文本。

除了 PDF，图片、Word、PPT、Excel 它也能吃。转出来的东西是 Markdown 和 JSON 两种，前者你自己看、往知识库里放，后者给程序用。

它是上海人工智能实验室旗下 OpenDataLab 团队做的，目前 GitHub 上 7.7 万星。在 OmniDocBench 这个文档解析的公开评测里，它的成绩排在很前面。

怎么用：先说最省事的那条路

网上大部分教程一上来就教你装 Python、建虚拟环境、敲三条命令。那套流程没错，但对咱们大多数人来说根本不用走。

官网有打包好的客户端，下载装上就能用，Windows、苹果 M 芯片、Intel 芯片三个版本都有。

客户端在这儿：https://mineru.net/OpenSourceTools/Extractor

你只是想把手头几十份 PDF 转成 Markdown，客户端完全够用，拖进去就完事。

什么时候才需要装命令行版？两种情况：一是你要处理成百上千份文档、想写脚本自动跑；二是文件涉密，你希望全程连网都不联，所有处理都在自己电脑上完成。

想装命令行版的同学，官方的三条命令是这个：

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

Python 装 3.10 到 3.13 之间的版本都行（Windows 是 3.10 到 3.12）。转一份文件也是一条命令，-p 后面跟文件，-o 后面跟输出目录：

mineru -p "论文.pdf" -o "output"

跑完打开 output 文件夹，Markdown、图片和相关文件都在里面。

它还支持批量，直接指定一个文件夹，让它一口气处理几百份。

用之前有三件事要知道

第一，重要文件转完一定要人眼核一遍。

它在评测里成绩很好，但官方自己也写明了：复杂版面、扫描页面、手写内容这些场景，解析结果可能达不到预期。合同、财报、发票这类涉及金额和关键条款的东西，转完别直接用，扫一眼再说。这不是它不行，是这类活儿本身就难，目前没有任何工具敢打包票。

第二，它是免费的，但如果你拿它做产品，有一条要留意。

个人用、公司内部用都免费。它用的是自研的开源协议，只有月活过亿或者月收入超过两千万美元的公司才需要单独谈商业授权，这门槛跟咱们基本没关系。

真正可能碰上的是另一条：如果你基于它对外提供在线服务，需要在产品界面或者公开文档里显著标明用了 MinerU。打算做工具、做小程序的同学记一下。

第三，它还有个在线接口，目前不收费。

官方页面写着暂无商业化收费计划，限的是流量：每分钟最多提交 50 个文件，单个账号每天最多 5000 个。日常用远远够。

转完之后，接着干什么

转成 Markdown 只是第一步，真正的价值在后面。

你可以把转出来的文件直接丢进 Obsidian。因为标题层级还在，它在知识库里就是一篇结构完整的笔记，能被搜索、能被双链、也能被 AI 读懂。那些原本躺着吃灰的 PDF，这一步之后才算真正进了你的知识体系。

做 RAG、做 Agent 的同学更清楚，喂给模型的资料质量直接决定输出质量。这一步偷懒，后面调多少提示词都是白费。

还有个念头给正在琢磨 Skill 大赛的同学：把「PDF 转 Markdown」和「自动整理成知识卡片」串成一条龙，做成一个能落地的 skill。这个需求真实、痛点具体，比很多凭空想出来的选题扎实得多。

最后说一句。工具再好，也得你手里真有资料、真想把它们用起来才有意义。如果你电脑里正躺着一堆没读完的 PDF，不妨今天就挑三五份转一转，看看进了知识库之后能不能问出点东西来。

试完欢迎到社区广场发个心得，尤其是踩到坑的，那种经验对大家更值钱。