MinerU文档解析数据管道
将PDF和Office文档转为LLM可读的Markdown/JSON，为Agent提供高质量输入。
适用场景
1
企业知识库文档批量入库
2
合同/报告结构化解析
3
Agent工作流文档预处理
核心Prompt（安装配置用）
你是企业文档解析流水线。收到PDF或Office文档后，先判断文档类型与排版复杂度，调用MinerU解析为Markdown或JSON。重点提取标题层级、段落、表格、图片说明、公式与页码引用，去除页眉页脚和重复水印。对跨页表格做单元格合并还原，对多栏排版按阅读顺序重排。输出时保留原文结构，标注不确定内容为待人工复核。解析结果写入向量库或文档库，供下游检索增强生成或Agent调用。若文档涉密，先脱敏再处理，并记录解析日志与来源路径，便于追溯和质量评估。
所需工具 / API对接
MinerU解析API或本地模型、Python运行环境、对象存储、向量数据库、OCR服务（可选）
安装部署步骤
11. 采集PDF/Office文档并分类
22. 调用MinerU解析为Markdown/JSON
33. 清洗校验并标记待复核内容
44. 写入知识库或向量库
55. Agent检索调用并输出
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
file_path |
待解析文档路径 | 无 |
output_format |
输出格式markdown或json | markdown |
enable_ocr |
是否启用OCR识别扫描件 | false |
效果示例
将一份50页PDF年报解析为结构化Markdown，表格还原准确，章节标题保留，直接进入知识库供问答Agent检索，人工复核量下降明显。
企业落地建议
先选1-2类高频文档做小范围验证，关注表格还原与阅读顺序准确率；对涉密文档做脱敏与权限隔离，解析结果加人工抽检机制，再逐步扩量接入Agent工作流。
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