在「搜索与知识库」类工具里，MinerU 的定位是：开源的 PDF 高精度解析工具，常用于中文文档入库。

这篇写给软件工程师：围绕代码阅读与重构、测试与排错和技术文档这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

软件工程师的三个高频用法

1. 代码阅读与重构

在 MinerU 中可以这样提：

先不要改代码。阅读这个模块，画出主要函数的调用关系，指出可以安全重构的部分和风险点，再给出分步重构计划。

把关：先计划后改动。

2. 测试与排错

可直接复制到 MinerU 里修改：

这是失败的测试输出和相关代码，请定位原因，给出最小修复，并补一个能防止回归的测试用例。

把关：修复后测试通过。

3. 技术文档

可直接复制到 MinerU 里修改：

根据这段代码和注释生成接口文档：参数、返回值、错误码、调用示例，示例必须能直接运行。

把关：示例代码可运行。

也可以试试：构建问答测试集

这是「搜索与知识库」类工具的通用任务，软件工程师同样用得上。

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。

边界与合规

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。

  • 产出由软件工程师本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；MinerU 的同类还有 Docling、Marker。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 MinerU 纳入日常流程。

补充练习

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。

验收标准：每张卡片都有来源。

网页内容抓取

适用情况：手头有一组需要定期关注的网页时。

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」。

验收标准：没有臆造发布日期。

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。

交付前确认：对比用同一批问题。

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：中文检索效果差

选择对中文支持好的嵌入模型，并为专有名词建立同义词。

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。

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：切分（Chunking）

把长文档拆成适合检索的小段，大小影响效果。

写在最后

本文基于 MinerU 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

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。

延伸阅读