用 MinerU 完成第一个小项目：完整演练
MinerU 是一款开源项目：开源的 PDF 高精度解析工具，常用于中文文档入库。
与其看十篇介绍，不如完整做一个小项目，这篇带你走一遍。
项目：网页内容抓取
目标：用 MinerU 完成一次「网页内容抓取」，交付一份可以直接给同事或客户看的结果。预计用时 1 小时以内。
步骤
- 阅读仓库 README 与许可证。
- 准备材料：一组需要定期关注的网页（先脱敏）
- 复制下面的提示词，替换方括号内容。
- 第一次结果出来后，只针对一个问题追问修改。
- 按验收标准检查：没有臆造发布日期。
- 保存提示词与最终结果，写三行复盘。
把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。
复盘模板
这次任务：
节省或多花的时间：
需要人工修改的地方：
下次会改进的提示：
是否继续使用：
做完之后
可以尝试第二个任务「内部文档入库」，或者把这次的流程分享给同事一起试。
更多可以试的用法
带来源的快速调研
准备材料：一个需要事实支撑的问题。
请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。
验收标准：关键结论都有可点击来源。
构建问答测试集
准备材料：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。
验收标准：每个答案都能在手册中找到。
检索效果对比
输入：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。
验收标准：对比用同一批问题。
常见问题：搜索结果过时
限定时间范围，或在提问中注明需要最新信息并核对发布日期。
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。
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。
概念补充：切分（Chunking）
把长文档拆成适合检索的小段，大小影响效果。
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。
适合人群：法务与律师助理
法务与律师助理可以用 MinerU 处理合同初审、法规检索等工作。需要注意：AI 输出不构成法律意见，条款和法规必须由执业人员核实。
适合人群：研究生
研究生可以用 MinerU 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。
适合人群：软件工程师
软件工程师可以用 MinerU 处理代码阅读与重构、测试与排错等工作。需要注意：不要把密钥和未开源代码上传到未授权工具，合并前审阅每处改动。
注意事项
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。
涉及个人信息、商业机密或受监管数据时，先确认 MinerU 的数据处理条款，再决定能否使用。