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。

看文档和设置项时遇到的术语，这里用一两句话解释清楚。

术语表

  • 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。
  • 嵌入（Embedding）：把文本转成向量，用于语义相似度检索。
  • 切分（Chunking）：把长文档拆成适合检索的小段，大小影响效果。
  • 重排序（Rerank）：对初步检索结果再次打分排序，提升相关性。
  • 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。
  • 引用溯源：回答附带原文出处，便于核对。

和 MinerU 相关的补充

  • 开源项目：MinerU 的产品形态，决定了安装、权限和数据存放方式。
  • 同类产品：Docling、Marker、PaddleOCR。
  • 所属方向：搜索与知识库。

把概念用起来

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。

更多可以试的用法

内部文档入库

输入：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。

检查点：切分后的段落能回溯到页码。

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。

构建问答测试集

适用情况：手头有一份产品手册时。

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：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：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。

概念补充：引用溯源

回答附带原文出处，便于核对。

概念补充：嵌入（Embedding）

把文本转成向量，用于语义相似度检索。

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：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：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

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。

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