AI 工具评测 · TOOL REVIEW
MinerU 4.0 实测：文档解析如何成为 Agent 的知识基础设施
MinerU（上海 AI 实验室 OpenDataLab 开源，GitHub 8 万+ Star）昨天发布 4.0：支持格式大一统、四档解析、定位器（Locator）与 Agent Skill 形态。我在 Mac mini 上完成了安装与真实 PDF 解析实测——这篇文章记录能跑通什么、跑不通什么、值不值得接入你的 Agent 工作流。
一、4.0 升级了什么（官方口径）
| 升级点 | 内容 | 价值判断 |
|---|---|---|
| 格式大一统 | PDF/图片之外，DOCX/PPTX/XLSX/EPUB/OFD/HTML/CSV 等进入统一解析流程 | 消除「先转格式」摩擦 |
| 四档解析模式 | flash（快速预览）/ basic（轻量）/ standard（日常）/ advanced（复杂） | 合理的算力分层 |
| 定位器 Locator | 解析结果带「原文坐标」（页码+内容块），Agent 可回原文复查、渐进式读取 | 本次最有价值：结论可溯源 |
| 本地部署拓宽 | Python 3.10–3.14、三大 OS、AMD/NVIDIA/Intel GPU、纯 CPU 可用、模型约 2GB | AMD 适配是差异化 |
| MinerU Skill | 一条命令安装，Agent 自动检查环境、选择本地/远程路径，远程上传需用户授权 | 抢「Agent 文档入口」位置 |
二、本机实测（Apple Silicon / Python 3.14 / 无独显）
2.1 安装：一条命令，但有个坑
python3.14 -m venv mineru_venv
pip install "mineru[core]" # 实际装到 4.0.4实测坑 ①：默认 PyPI 源在本机网络下连接卡死（10 分钟无进度），换清华镜像后数分钟装完。国内用户建议直接
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple "mineru[core]"。2.2 解析实测：3 页论文 PDF，5 秒出稿
测试对象：Transformer 原始论文《Attention Is All You Need》（15 页，双栏+表格+公式，公开版本）。
$ mineru server start # 启动本地服务（SQLite 文档库）
$ mineru parse attention.pdf -p 1-3 --tier flash
# 实测耗时：5 秒（flash 档 / 3 页 / 纯 CPU）输出为带页标记的 Markdown：<!-- page 1 of 15 -->。抽取正文质量抽查：作者栏上标（<sup>∗</sup>）、摘要段落、双栏文字的阅读顺序均正确保留；论文页眉的 arXiv 水印被当作正文保留（小瑕疵，不影响使用）。
2.3 定位器实测：这次升级的灵魂
$ mineru search "BLEU"
搜索结果(共 1 条)
1. 文档 bdfaa68 档位: flash
...achieves 28.4 <mark>BLEU</mark> on the WMT 2014...
$ mineru read "doc:bdfaa68/tier:flash/page:2" --limit 600
<!-- page 2 of 15 -->
## 1 Introduction
Recurrent neural networks...
<!-- Next: mineru read doc:bdfaa68/tier:flash/page:2/block:2 -->✓ 实测通过
三件事都成立：① 全文搜索带高亮并返回文档定位符；② 按定位符精确读取某页；③ 输出末尾自动给出「下一块」游标。第三点就是官方说的「渐进式读取」——Agent 可以先读目录和重点，围绕问题用游标逐块深入，不必把整份文档压进上下文。对长合同、几百页研报，这是上下文经济学意义上的改进。
2.4 诚实的局限（纯 CPU 环境实测）
| 项 | 实测结果 |
|---|---|
| flash 档 | 本地可用，3 页 5 秒，质量足够预览/初读 |
| standard / advanced 档 | 本机被禁用（无独立 GPU），提示走远程服务 |
| 损坏 PDF 容错 | 报错准确清晰（PDFium: Data format error），不静默出错 |
| 服务形态 | 后台守护 + SQLite 文档库（~/.mineru），scan/watch/search 是一体化设计 |
解读：「纯 CPU 可用完整功能」的官方说法，实测含义是「flash 档可用」。高质量档位依赖 GPU（或 mineru.net 远程服务，上传需授权）。Mac mini 这种无独显设备，日常初读够用，严肃精读要么上远程、要么配显卡机器。
三、横向对比：它处在什么位置
| 工具 | 定位 | 相对 MinerU 4.0 |
|---|---|---|
| MinerU 4.0 | 文档库 + Agent Skill + 定位器 | 唯一把「解析→检索→定位回读」做成一体化的 |
| Docling (IBM) | 解析质量高，Python 库 | 质量口碑好，但无文档库/Skill 形态，需自建检索层 |
| Marker | PDF→Markdown 速度/质量均衡 | 英文版式强，中文场景与生态不及 MinerU |
| unstructured | 通用 ETL 管道 | 面向数据工程，Agent 集成度低 |
解析质量请以 OmniDocBench（OpenDataLab 自建基准，CVPR 2025）公开数据为准；MinerU 系列在该基准的端到端编辑距离上长期处于开源第一梯队。我的实测不重复跑分，只验证「装得上、跑得动、定位器是真的」。
四、谁该用 / 谁不该用（决策树）
需要 Agent 处理复杂文档（PDF/合同/研报/文献）？
├─ 文档敏感不能出内网 → MinerU 本地模式（GPU 机器更佳）
├─ 中文文档为主 + 要「结论可溯源到原文」
│ → MinerU 4.0 定位器是当前开源里最顺手的 【推荐】
├─ 纯英文论文批量转 Markdown → Marker 亦可比
└─ 只要解析入库做 RAG，不需要文档库/定位器
→ Docling / unstructured + 自建检索层五、落地建议：三个典型场景
结合定位器能力，三类真实需求最适合优先接入：
| 场景 | 用法 | 定位器带来的关键收益 |
|---|---|---|
| 企业知识库建设 | 内部文档（规章制度/技术规范/培训材料）批量解析入库，Agent 检索后引用 | 答案可回溯到具体页码与内容块，员工可自行核验，减少「AI 说的」信任成本 |
| 长合同/标书审阅 | 数百页文件先 flash 档全览结构，再针对具体条款用定位符精读 | 渐进式读取不压爆上下文；结论附带原文位置，复核从「重读全文」变成「跳转定位」 |
| 科研文献整理 | 论文 PDF 解析后按主题检索，跨文档比对方法与结论 | 对比结论可标注各自的原文出处，综述写作时直接定位引文 |
隐私与合规提醒：敏感文档坚持本地解析（无 GPU 机器从 flash 档起步）；确需远程档位时，确认上传授权机制符合你的数据管理要求。文档出不出内网，应该在选型第一天就定下来，而不是事后补救。
一句话总结：MinerU 4.0 的解析质量是第一梯队（以 OmniDocBench 为证），而真正让它脱颖而出的是定位器 + 文档库 + Skill 的组合——它不只是「把 PDF 变成文本」，而是让 Agent 的每个结论都能
read 回原文验证。纯 CPU 设备只能用 flash 档，这是本次实测最大的保留意见。参考依据
- MinerU 官方发布（《MinerU 4.0 正式发布》，OpenDataLab，2026-09-19）：格式/四档/定位器/Skill 能力描述均出自官方口径
- GitHub: github.com/opendatalab/MinerU（8 万+ Star，本机安装版本 4.0.4）
- OmniDocBench：OpenDataLab 文档解析基准（CVPR 2025），解析质量排名依据
- 本文实测：Apple Silicon Mac mini / Python 3.14.7 / mineru[core] 4.0.4 / 测试文档《Attention Is All You Need》(arXiv:1706.03762)，2026-09-20
作者：王亚博（Abel Wang）· 转载请注明出处。实测数据为特定环境结果，请以你的环境复测为准。
扫码加微信，直接聊 👋
我是 王亚博（Abel Wang），医疗行业 · AI 数字效能方向。
对本文有疑问、想交流技术方案或合作，扫码加我微信，备注来意通过更快。
对本文有疑问、想交流技术方案或合作，扫码加我微信，备注来意通过更快。