ARTICLE · 1087426
别再把涉密文档喂给云端AI了:本地部署MinerU,让数据永不出内网
>_ SYS.INTRO
把数据交给别人的云端，等于把家门钥匙邮寄给陌生人。真正安全的 AI，是让模型进你的内网——而不是让数据飞出去。
就在上月，一份地方政府的处罚通告在技术圈悄悄刷了屏：某单位工作人员小王，为图省事，用一款开源 AI 工具去分析一份内部报告——涉密资料当场外流。最终，单位、主管、直接责任人小王，一个都没跑掉，全部依法受了处分。
指向同一个残酷结论：AI 用得好是效率，用得糙就是泄密。而最容易踩雷的，恰恰是最日常的一个动作——把文件、文稿、数据随手丢给某个云端 AI处理。
那有没有两全的办法？既要让 AI 帮我读文档、做分析，又不想让数据「出门」一步？
[ ANSWER ]
有——本地部署。把解析引擎装进你自己的电脑或内网服务器，数据从进来到出去，全程不过任何第三方的手。今天的主角，就是开源文档解析引擎 MinerU。
[ INDEX ]
[ 01 ]
把文档交给云端 AI = 交底
[ 02 ]
三步把 MinerU 部署进内网
[ 03 ]
让 Agent 读文档的两条安全路线
[ 01 // CASE ]
把文档「交底」，代价有多大？
涉密文件、内部报告、科研数据，被直接输给 AI 写报告、润色——很多 AI 应用会自动存储、云端上传、持续学习，你输入的文字图片可能被后台记录，一旦落到境外机构手里，就是秘密泄露。
用 AI 非法抓取人口、金融、能源等敏感数据，甚至入侵政务、系统窃取技术资料——涉嫌非法获取计算机信息系统数据罪。
借着 AI 换脸、配音伪造官方通知，或批量生成抹黑、煽动的图文——同样可能触碰法律红线。
[ TIP ]
一句话记住红线：无论故意还是过失，只要情节严重，把数据稀里糊涂喂给外部 AI，都可能被依法追责。所以，「数据不出内网」从来不是矫情，而是刚需。
[ 02 // WHY ]
为什么「本地部署」就是解药
解药的名字，叫留在本地。MinerU是上海人工智能实验室 OpenDataLab 团队于 2024 年 7 月 4 日世界人工智能大会（WAIC）科学前沿主论坛上开源的智能数据提取工具，旨在攻克复杂多模态文档处理难题、提升 AI 语料准备效率，并借助 RAG 技术为法律、财务、学术等垂直领域构建新知识引擎。它能把 PDF、扫描件、图片、Office 文档一键变成干净的 Markdown。而它最打动人的一点是：整套解析能力，可以完全跑在你自己的机器上。
数据不经云端，全程可控
文档从上传到解析，只在你自己的服务器里流转，不存在「交底」给第三方的那一步。
模型跑在自己 GPU 上
配合 NVIDIA 显卡，解析推理完全本地化，敏感材料不用上传任何云端 API。
一次构建，到处部署
镜像里打包好全部运行环境，构建一次就能在内网任意机器复用。
[ 03 // DEPLOY ]
三步，把 MinerU 装进你的内网
先看清门槛
这套方案对硬件有基本要求：Linux（推荐 Ubuntu 22.04+，Windows 走 WSL2）、NVIDIA 显卡（驱动支持 CUDA 12.9 / 13.0）、Docker 24.x 及以上，以及 NVIDIA Container Toolkit（提供 GPU 穿透必需）。装好后，先用一行命令确认 Docker 能吃上 GPU：
docker run --rm --gpus all nvidia/cuda:13.0-base-ubuntu22.04 nvidia-smi
git clone https://github.com/opendatalab/MinerU.git
cd MinerU
考虑到国内网络，官方很贴心地把 国内源的 Dockerfile都写好了——直接用 docker/china/Dockerfile，组件下载速度快一大截，构建时还会自动从魔搭社区拉取模型：
docker build --no-cache -t mineru:v4.0.5 -f docker/china/Dockerfile .
这样，所有运行时环境和模型都装进了镜像里，一次构建、到处部署。
同时跑多个模型服务时，要注意规划显存与 GPU 分配，按需启动其中一个或几个 profile：
# 启动可视化前端
docker compose -f docker/compose.yaml --profile webui up -d
# 启动自部署 API
docker compose -f docker/compose.yaml --profile api up -d
# 多服务/多 GPU 编排入口
docker compose -f docker/compose.yaml --profile router up -d
# OpenAI 兼容 VLM 推理服务
docker compose -f docker/compose.yaml --profile openai-server up -d
> 端口与用途速查
启动后记得看日志排障：docker compose config 校验配置、docker compose logs mineru-webui 看服务输出，确认没有异常报错后再往下走。
[ 04 // BRIDGE ]
让 Agent「读懂」文档：两条安全路线
MinerU 本身解析能力很强，但 Agent 自己并不会用——它需要一个「入口」和一种「约定」，才知道遇到文档该去找谁、怎么调。官方为此准备了两条路，通向同一个目的地：数据只进不出。
// MinerU 两条 Agent 接入路线架构图
> 路线 A：给 Agent 一本「操作手册」（Skill）
第一条路，像给新助手发了一本图文并茂的《上岗手册》。官方把它叫做 MinerU Document Extractor，是一个纯粹的 Agent Skill。你把它从 ClawHub、腾讯云 skillhub、GitHub 或 ModelScope 下载下来，丢进 Agent 对话框说一句「帮我装上」——不用写一行代码。
这本「手册」教的其实是一句约定：遇到文档，就去调 MinerU 的 Open API。最妙的是，官方还开了个「免登录极速通道」——Agent 只要带上本机生成的设备 ID，每天就能免费解析一万页，开箱即用；等你要复杂表格、公式这类高精度输出时，再填 API Key 切完整版。
这条路线的主基调是轻松、自然语言、零门槛，适合只想「让助手能读文档」的大多数场景。
// Agent Skills 架构图
> 路线 B：架一座「标准桥」（MCP）
第二条路，更像基础设施建设。它不写专用说明书，而是按 MCP（模型上下文协议）这套开放标准，做一座通用桥——mineru-mcp。任何支持 MCP 的客户端（Claude Desktop、Cursor、Windsurf、Cherry Studio……）都能直接走桥，把 MinerU 当标准工具用。
官方文档有句关键的话——「专供开发者在自建 MinerU 引擎时配套使用」。也就是说，当你把 MinerU 装进自己的 WSL 或远程算力服务器时，就该走这座开源桥。不过要注意：这句话 MinerU 官方在 MCP 相关开源代码里其实并没有实现——需要你结合自己的实际需求，定制属于自己的专属 MCP。
// MinerU v4 MCP 架构图
[ WARN ]
两条路怎么选？要省事、让普通助手秒变文档达人，走 Skill；要把它变成团队级、可持续复用的标准能力，走 MCP。但无论哪条，都先确保 MinerU 是你本地部署、数据留在内网的版本——这才对得起开头那 35 万的教训。
[ END // THE END ]
把 AI 请进门，把数据留在家
>_ QUOTE
「效率和安全从来不是单选题——把模型搬回内网，你的数据就永远是自己的。」
从 9 月那几份罚单回头看，泄密的风险往往不在「用不用 AI」，而在「把数据放到哪一步」。MinerU 这样的开源解析引擎给了我们一个体面的选项：文档解析、模型推理全部留在本地，Agent 的能力照样接入。
今天的部署路径不长——镜像构建、Compose 启动、再挑一条 Skill 或 MCP 的桥接路线。真正难的，是另一半：让「数据不出内网」从口号变成习惯。
>_ SIGNED
我是 顺哥，热衷分享 AI 部署与落地的一手观察与干货,长期关注 AI 工程化与数据安全，热衷分享本地部署与私有化实践。如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。