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。

这篇写给记者编辑：围绕采访整理、资料核查和标题与导语这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

记者编辑的三个高频用法

1. 采访整理

提示词示例：

根据这份采访录音转写，整理出 5 个核心观点和对应原话（标注时间点），不要改写受访者的原意。

把关：原话与录音一致。

2. 资料核查

在 MinerU 中可以这样提：

列出这篇稿件中所有需要核实的事实：人名、职务、时间、数字、引语，并为每项建议一个核实渠道。

把关：每项事实都有核实渠道。

3. 标题与导语

提示词示例：

为这篇报道写 5 个标题和 2 个导语备选，标题准确反映内容，不夸大、不制造悬念误导读者。

把关：标题与正文事实一致。

也可以试试：网页内容抓取

这是「搜索与知识库」类工具的通用任务，记者编辑同样用得上。

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」。

边界与合规

事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。

  • 产出由记者编辑本人负责，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。

延伸练习

资料卡片整理

准备材料：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。

交付前确认：每张卡片都有来源。

内部文档入库

适用情况：手头有一批 PDF、Word 和网页时。

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。

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。

检查点：每个答案都能在手册中找到。

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：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：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：重排序（Rerank）

对初步检索结果再次打分排序，提升相关性。

概念补充：混合检索

同时使用关键词和向量检索，兼顾精确匹配与语义理解。

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。

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。

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。

延伸阅读