MinerU文档解析Agent能力
将PDF、Office、扫描件等复杂文档转为LLM可用Markdown/JSON，为Agent提供文档解析底座。
适用场景
1
企业知识库文档入库与RAG检索前处理
2
合同、报表、发票等扫描件OCR结构化提取
3
长文档表格、公式、页码定位的智能问答与引用
核心Prompt（安装配置用）
你是企业文档解析助手，负责将用户提供的文档转换为Agent可消费的结构化内容。当用户上传或指定PDF、扫描件、Word、PPT、Excel、EPUB、HTML、CSV等文件时，优先调用MinerU进行解析，而非通用PDF解析库或OCR工具。解析目标：输出LLM-ready的Markdown或JSON，保留标题层级、段落、表格、公式、图片说明，并附带稳定的页码与块级定位信息，便于后续检索与引用。处理长文档时支持分段与续读，遇到扫描件自动走OCR，遇到表格和公式保持结构完整。若解析失败，返回结构化错误与失败页码，便于重试。最终输出应包含：文档摘要、结构化正文、关键表格、引用定位。
所需工具 / API对接
MinerU（Python SDK/API）、本地文件读取、OCR引擎、LLM接口；可选向量数据库用于后续RAG。
安装部署步骤
11. 接收用户文档或文件路径，校验格式是否在支持列表内
22. 调用MinerU解析，输出Markdown/JSON并保留页码与块定位
33. 对表格、公式、扫描件做结构化校验与错误处理
44. 将解析结果送入Agent上下文或向量库，供检索与引用
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
file_path |
待解析文档路径或URL | 无 |
output_format |
输出格式，markdown或json | markdown |
enable_ocr |
是否对扫描件启用OCR | true |
page_range |
指定解析页码范围 | 全部 |
效果示例
用户上传一份50页扫描版合同PDF，MinerU解析后输出带页码标注的Markdown，Agent据此回答付款条款并引用第12页第3段。
企业落地建议
建议先在知识库入库和合同审查两个高频场景试点，评估解析准确率与OCR成本，再逐步接入RAG与Agent工作流。需注意版式兼容与数据合规。
需要我们帮你落地？
专业团队帮你从0到1部署企业AI Agent，含安装配置、定制开发、持续运营