Agent Skills
返回列表
MinerU 文档解析

MinerU 文档解析

办公效率 更新于 2026.08.30

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 @user_867ccb1e/elephant-mineru-skill。

技能介绍

要解决什么问题

在 Claude Code、Cursor 或其它 MCP 客户端里,你常常需要把本地 PDF、Word、PPT、Excel 或扫描图 变成可编辑的 Markdown,而不是手动复制或另开浏览器上传。MinerU 本身支持版面分析与 OCR,但调用方式分散:云端要走 mineru.net 的上传与轮询接口,自建则要对接 multipart POST /tasks 这一套。本技能把流程收成 一个自包含的 MCP Server(scripts/mineru_mcp_server.py),客户端只需连 MCP、调工具即可。

技能如何工作

启动服务后暴露两个工具:

  • parse_document:传入 MCP 进程可读的文件 绝对路径,按扩展名选择解析行为;支持单次覆盖 cloud / server 模式、ch/en 语言、表格与公式识别、是否强制 OCR 等。成功时返回 JSON,含截断后的 markdown(超长全文在 full_markdown_path)、页数/字数/图片数,以及 out_dir、images_dir、content_list_path、result_zip_path 等落盘路径。
  • health_check:只探活后端与鉴权配置,不发起新的解析任务(server 模式访问 /tasks,cloud 模式校验 token 是否非 401)。

后端由 MINERU_MODE 二选一:cloud 使用线上 API(需 MINERU_API_TOKEN);server 默认连 http://172.19.52.100:8006,无鉴权,流程为提交任务 → 轮询 → 下载 zip 结果。

适用边界与注意点

  • cloud 模式必须在启动时配置密钥,否则会得到明确的缺密钥错误;401 表示 token 无效或过期。
  • 返回里的 Markdown 超长会截断,完整内容始终以 full_markdown_path 为准。
  • file_path 必须对 运行 MCP 服务的进程 可读;轮询与总超时可用 poll_interval、timeout 或环境配置调整,默认轮询约 10 秒、总超时 600 秒。
  • server 模式需保证 MINERU_BASE_URL 指向的后端可达;与 cloud 的 HTTP 路径不同,不要混用同一套调用假设。

使用场景

  • 在 Cursor 里让 Agent 读取本地招标文件 PDF,转成 Markdown 再对照条款改投标稿
  • Claude Code 会话中批量解析同事发来的 DOCX 周报,抽取标题结构写入知识库笔记
  • 需要将扫描版论文图片走 OCR 与版面识别,并在同一轮对话里拿到表格与公式识别结果
  • 上线前用 health_check 确认自建 MinerU 后端 8006 端口可达,再触发 parse_document 解析 PPT

适合人员

  • 维护内部 MinerU 解析节点的平台工程师,希望在 IDE 里用 MCP 直连而不是手写 HTTP 脚本
  • 做法务或投研的同事,经常要把 PDF/扫描件交给 AI 助手做条文摘录且需要保留表格结构
  • 在 Claude Code 里编排文档流水线的开发者,需要 cloud 与 server 双模式与统一 parse_document 入参
  • 技术写作同学,要把 PPT/XLS 原稿解析成 Markdown 路径供后续 diff 与版本管理