MinerU，PDF终于能喂给AI了

公司想做知识库，最常见的卡点不是模型不行，而是 PDF 太乱。

表格、双栏、扫描件、公式，直接扔给 AI，它可能真敢答，但不一定答得对。

MinerU 干的就是这件事：先把 PDF 拆清楚，转成 Markdown、JSON，再交给知识库。

它不是聊天机器人，更像是资料进 AI 之前的“整理工”。活不花哨，但很有用。

流程也别省：解析完先抽查，再清洗、切分，最后才进知识库。

如果准备试，先别一口气把公司文件全塞进去。

从员工经常问、业务经常查的资料开始：制度、产品手册、历史项目。这三类最容易看出效果。

我的建议很简单：挑 20 份典型 PDF 跑一遍，看看表格、标题和图片说明还在不在。别只看“解析成功”四个字。

敏感资料先别上传。真要用于生产，也记得确认部署方式和开源许可。

资料整理干净了，AI 才能少说胡话。

项目地址：GitHub `opendatalab/MinerU`