MinerU：8.2 万 stars 的文档解析器，专给 Agent 准备语料

结论先说：MinerU 是 8.2 万 stars 的文档解析明星，Python 编写，10 月 28 日刚更新过，定位是把 PDF、Office 这类复杂文档变成 LLM 就绪的 Markdown 与 JSON，专为 Agent 工作流准备语料。

是什么：一个面向大模型时代的文档解析器，强项是处理中文文档与复杂版式：多栏、表格、公式、图片混排的文档也能拆出相对干净的结构。

能干嘛：批量解析研报、论文、手册，输出可直接喂给模型或进 RAG 的文本。

适合谁：做中文知识库、研报检索、企业文档问答的开发者；手里中文 PDF 多、被英文向工具坑过的人。

注意点：API 返回的协议标识为未识别，使用或二次开发前请直接打开仓库 LICENSE 文件确认；批量跑之前先评估机器配置，别在笔记本上一次丢几百份大文件。

MinerU 和 Marker、Docling 有什么不一样？

一句话：MinerU 更偏中文与复杂版式，Marker 更轻更快，Docling 生态更成熟。三者没有绝对胜负，关键看你的文档是什么语言、什么版式。中文复杂文档多的团队，MinerU 值得第一个试。

站长点评：我选它是因为 8.2 万 stars 不是偶然：中文文档解析这个坑，踩过的人都知道有多深。同类里英文向工具对中文表格与公式经常翻车，MinerU 把中文当一等公民，这一点就值回票价。我的判断是：中文知识库项目，先拿它跑十份最难的文档，效果过关再定选型。