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。

下面列出 10 个具体场景，每个都注明适合与不适合的情况。

10 个场景

  1. 带来源的快速调研：适合每周重复执行。
  2. 内部文档入库：适合每周重复执行。
  3. 构建问答测试集：适合先小范围试用。
  4. 检索效果对比：适合先小范围试用。
  5. 网页内容抓取：适合每周重复执行。
  6. 资料卡片整理：可以做成固定模板。
  7. 科研人员：文献检索与阅读：适合每周重复执行。
  8. 软件工程师：代码阅读与重构：适合每周重复执行。
  9. 咨询顾问：行业研究：效果依赖输入材料质量。
  10. 记者编辑：采访整理：可以做成固定模板。

挑两个场景细看

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。

资料卡片整理

适用情况：手头有搜索得到的十几篇资料时。

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。

不适合的场景

  • 需要专业资质最终签字的判断。
  • 无法核实来源却要公开发布的内容。
  • 涉及他人隐私且未获授权的材料。

补充练习

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。

交付前确认：关键结论都有可点击来源。

检索效果对比

适用情况：手头有同一批问题和两种检索配置时。

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。

网页内容抓取

准备材料：一组需要定期关注的网页。

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」。

检查点：没有臆造发布日期。

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：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：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：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。

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：客服人员

客服人员可以用 MinerU 处理回复草稿、工单分类等工作。需要注意：不得以 AI 名义做出政策外承诺，涉及隐私的问题按流程处理。

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