MinerU 评测：复杂文档进入 RAG 之前，先把 PDF 变成可用数据

MinerU 解决的是“复杂文档如何变成 LLM 能稳定消费的数据”。普通 PDF 转文本工具通常只关心字符提取，但 AI 应用还需要版面结构、段落边界、表格语义、图片位置、公式保留和输出格式一致性。MinerU 把这些能力组合到一个面向 Agentic workflow 的解析工具中，输出 Markdown/JSON 这类更容易进入 RAG pipeline 的格式。

这类工具的实际价值在企业里很直接：客服知识库可以更可靠地吃产品手册，研究团队可以把论文转成可检索材料，法务或运营团队可以先把大批文档整理成统一结构，再交给人工或 AI 做下一步判断。它不是最后的 AI 产品，但它经常决定最后的 AI 产品是否可用。

很多 RAG 项目失败，并不是模型不够强，而是文档进入系统时已经坏掉了。页眉页脚被当成正文、表格顺序错乱、公式丢失、双栏论文被串行读取，这些问题会直接污染检索结果。MinerU 的价值在于把“文档解析”从随手写的预处理脚本，提升成一个值得单独评估的基础设施层。

它适合的用户不是只想上传一两个 PDF 的个人用户，而是需要长期处理技术手册、研究论文、合同、产品说明书、报告、表格材料的团队。对这些场景来说，文档解析质量往往决定了后面的问答、摘要、审阅和自动化流程是否可信。

从 GitHub 仓库看，MinerU 是公开源码项目，许可证文件写明以 Apache License 2.0 为基础，但附加了 MinerU 自己的商业条款。关键点有两个：第一，普通商业使用并不必然需要单独商业授权；第二，如果你和关联方达到超大规模月活或月收入门槛，就需要在继续使用前取得单独商业许可。同时，如果你基于 MinerU 向第三方提供在线服务，需要在产品界面或公开文档中清楚标注使用了 MinerU。

这意味着它对内部工具、研究平台、中小规模知识库产品是可评估的，但对大型商业 SaaS 不是“看见 Apache-2.0 就直接上线”。这篇文章给商业可用性 6 分，不是说不能商用，而是因为附加门槛和署名义务需要被产品、法务和运营同时看见。

不会写代码的人可以先把 MinerU 当成“文档清洗工具”来理解，而不是当成模型平台。最稳妥的路径是先准备 5 到 10 份真实样本文档：一份扫描 PDF、一份带复杂表格的报告、一份双栏论文、一份带公式的技术文档、一份 Office 文件。然后让开发同事或 Codex 帮你跑最小命令行流程，把输出的 Markdown/JSON 和原文逐页对比。

验收时不要只问“能不能跑起来”，要问三个问题：标题和段落顺序是否正确，表格是否还能被人读懂，错误是否集中在某类文档上。如果样本文档表现稳定，再考虑接入知识库、客服检索或内部审阅流程。

用 Codex 或 Claude 部署 MinerU 时，不要直接要求“部署 MinerU”。更好的提示词是：请读取 MinerU 官方 README 和 LICENSE.md，搭建一个只处理本地样本文档的最小 Python 流程；输出 Markdown 和 JSON；记录依赖、模型下载位置、CPU/GPU 需求、失败样本和重试方式；不要上传任何包含隐私或客户数据的文件。

第一阶段建议只做本地验证。第二阶段再让 AI 帮你加一个批处理脚本，把输入目录、输出目录、日志、失败队列和抽样审查清单补齐。第三阶段才考虑 Web UI 或 API。这样做虽然慢一点，但能避免一开始就把不稳定解析流程暴露给真实用户。

MinerU 的能力上限来自它对复杂版面的关注：PDF、Office 文件、表格、公式、图片和结构化输出都在它的问题域里。它比简单的文本抽取更适合 RAG 前处理，也比只面向轻量 Markdown 转换的工具更适合复杂文档。

但它的上限不是“自动理解所有业务含义”。解析器可以尽量保留结构，却不能判断合同条款是否有效、财务表格是否符合公司口径，也不能保证低质量扫描件没有 OCR 错误。真正落地时，MinerU 应该和人工抽检、业务校验、向量库质量评估一起使用。

什么时候应该认真考虑 MinerU

如果你的 AI 项目主要处理网页、FAQ 或干净的 Markdown，MinerU 可能不是第一优先级。但只要材料来自 PDF、PPT、Word、Excel、扫描件或论文，你很快会遇到一个现实问题：模型之前的输入层不可靠。MinerU 的爆红说明开发者开始意识到，RAG 的效果不是只由向量数据库和大模型决定，文档进入系统之前的结构质量同样重要。

为什么它比普通 PDF 转文本更值得分析

普通转换工具解决的是“把字拿出来”。MinerU 更接近“把文档还原成可被机器继续处理的结构”。这对 AI 应用差别很大。一个产品手册里的表格如果被打散，客服机器人就可能给出错误规格；一篇论文的双栏顺序如果错了，摘要就会混入不相邻内容；合同里的编号层级如果丢失，审阅流程就会缺少上下文。

谁会从它身上得到最大收益

最适合的团队通常有两个特征：文档量不断增长，并且文档错误会直接影响业务判断。知识库团队、科研团队、企业内部数据团队、法律运营团队和产品支持团队都属于这一类。个人用户也能用它，但真正的价值会在批量处理和流程化校验里体现。

采用前的风险清单

第一，许可不是纯粹无附加条件的 Apache-2.0，商业团队必须阅读 LICENSE.md。第二，解析质量要用自己的文档验证，不能只看演示样例。第三，生产环境要考虑算力、模型文件、失败重试、日志和人工抽检。第四，不要把解析后的文本直接当作事实来源，仍然需要业务校验。

最终判断

MinerU 是一个值得重点关注的文档 AI 基础设施项目。它不会让 RAG 自动变聪明，但能让 RAG 少吃很多脏数据。对需要处理复杂文档的团队，我会建议先用真实样本文档做一轮小规模评估；如果输出结构稳定，再进入批处理和系统集成。