AI读PDF,从没有如此顺滑

本地agent的强大不用多说，但是一直以来读取PDF都是一个老大难。

因为网页版的大模型，他们在前端会将上传的PDF文件进行处理后才交给大模型，所以大模型可以对PDF文件进行分析。

但是本地的agent如何处理PDF文件就需要自己想办法了。

其实这个问题早就有人想到了，而且解决了，还解决得非常好！

那就是上海人工智能实验室的mineru！

为啥我强烈推荐这个MCP，因为很多传统的ocr工具，只是简单的识别文字，对于表格、列表顺序等，识别就不一定很好了。

但是mineru用了AI的方式，对PDF文档里的内容进行解析，就像人能自然而然对这些不规则的内容进行解析一样，mineru解析后的文档表格、排序等非常规整。

而且，这么强大的功能，他还免费，量大管饱！

每天可以解析5000份文档，其中优先解析1000页。对于我们普通人来说，足足够用了。

安装

直接在opencode（oc）中输入

帮我安装这个 Skill：https://github.com/opendatalab/MinerU-Ecosystem/blob/main/skills/SKILL.md

剩下的全部交给oc。

这就装好了。

后面就是自己申请API，这里API默认有效期是90天。到期后可以再次申请。API TOKEN最好不要给oc，可以自己先注册在环境变量中，再让oc直接读取环境变量。

而且，我建议使用大模型或者其他服务的API的时候也用这种方式。这样的好处是防止API被盗取，你写的程序都是直接读取环境变量，而程序中不存储任何API数据。这样即使你将程序公开，也不会弄丢API。

mineru有两个模式，flash和extract，后者一是速度快，二是更加精准。但安装skill后默认是flash，所以我们要调整一下。

我需要你每次读取PDF都直接调用mineru，而且要用它的extract模式，不要用flash模式。MINERU_API_TOKEN已经注册在环境变量中了。

之后，随便把你的教材、错题等PDF扔给oc吧。