开源的 PDF 高精度解析工具，常用于中文文档入库——这是 MinerU 最主要的用途，也是本文讨论的前提。

这篇面向国内用户，讲注册使用要点、合规注意和国产同类的对照。

使用要点

  • 国内产品一般支持手机号或常用社交账号登录，具体以官网为准。
  • 生成内容需遵守国内关于生成式 AI 的管理规定，公开发布时按平台要求标注。
  • 企业使用前确认是否提供企业版、发票和数据处理协议。
  • 与 Docling 等同类产品相比，重点看你的核心任务效果。

国产同类对照

如果你需要国内可直接使用的方案，可以对照了解：秘塔 AI 搜索、腾讯 ima、RAGFlow。建议用同一组任务分别测试，比较效果、速度和数据条款。

一个通用测试任务

内部文档入库

准备材料：一批 PDF、Word 和网页。

把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。

验收标准：切分后的段落能回溯到页码。

延伸练习

检索效果对比

准备材料：同一批问题和两种检索配置。

用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。

交付前确认：对比用同一批问题。

资料卡片整理

输入：搜索得到的十几篇资料。

把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。

检查点：每张卡片都有来源。

构建问答测试集

输入：一份产品手册。

根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。

交付前确认：每个答案都能在手册中找到。

常见问题：答案引用了错误段落

调整切分大小、加入重排序，并检查文档解析是否丢失标题。

常见问题：回答过于笼统

要求逐条引用原文，并限定只回答文档中有依据的内容。

常见问题：表格内容检索不到

换用能保留表格结构的解析工具，或单独把表格转成文本描述。

概念补充：RAG（检索增强生成）

先检索相关资料再让模型作答，降低胡编概率。

概念补充：引用溯源

回答附带原文出处，便于核对。

适合人群：咨询顾问

咨询顾问可以用 MinerU 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。

适合人群：科研人员

科研人员可以用 MinerU 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。

适合人群：销售

销售可以用 MinerU 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。

写在最后

文中提示词和示例仅作示意，实际效果取决于你的材料和 MinerU 当前版本，重要内容请人工核对后再使用。

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

延伸阅读