MinerU 本地 PDF 解析
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-mineru-pdf。
技能介绍
要解决什么问题
很多 PDF 是扫描件或复杂版式,直接丢给大模型往往丢结构、丢表格。若要把合同、论文、研报里的正文、标题层级和表格抽出来做二次编辑、检索或 RAG,通常需要一套本地解析管线,而不是依赖在线 OCR 或手工复制。
技能如何工作
本技能约定用 MinerU 在 CPU 上解析单个 PDF(默认不做整目录批处理,除非你明确要求)。解析结果默认落在 ./mineru-output/ 下,MinerU 会在该根目录里为每个文档再建子目录;主产物是 Markdown 与 JSON。表格、图片等内容仅在用户点名需要时再纳入输出,避免默认目录里堆满大图。
典型流程是:选定一个 PDF → 按技能里的 quick start 调用本地 MinerU → 到输出子目录读 Markdown/JSON。若你封装的 CLI 参数与技能默认不一致,或要改 backend、method、device、threads、格式映射等高级项,应查技能附带的 references/mineru-cli.md。
适用边界
- 单文件优先:未要求时不要自行实现文件夹批量解析。
- 输出路径:以
./mineru-output/为默认根,勿假设固定单层文件名。 - 资源环境:面向 CPU 本地跑 MinerU;大批量或 GPU 策略以 mineru-cli 文档为准。
使用场景
- 法务收到扫描版合同 PDF,需要把条款正文和嵌套标题转成可 diff 的 Markdown 再入库
- 研究员把论文 PDF 解析成 JSON,便于脚本抽取公式说明与章节结构做文献笔记
- 知识库维护者只关心正文时走默认输出;遇到财报 PDF 再单独要求提取表格块
- 技术写作者将产品手册 PDF 转 Markdown,在仓库里与代码文档一起版本管理
适合人员
- 做法务或合规归档、要把扫描 PDF 结构化进检索系统的律师助理
- 做文献管理的研究生,希望本地批处理单篇论文且可控输出目录
- 自托管 RAG 的工程师,需要 PDF→Markdown/JSON 且默认不拉取全部图片
- 维护内部 wiki 的文档工程师,偶尔要对单份 PDF 按技能约定路径落盘