起因：一次让我抓狂的文档解析经历

上周我有一个任务：几十个项目答辩材料堆在飞书多维表格里，格式混杂（PDF + Word + PPT），需要逐一解析、提取信息、做评审打分。
我第一反应是交给 Claude Code。
然后噩梦开始了：

  • Claude Code 自作主张安装了系统默认解析工具

  • 200 页的 PDF，它只解析了前 10 页

  • 输出的"分析结果"看起来很完整——但实际上基于残缺信息

  • 我完全没有感知到问题，直到翻看原文才发现

这就是最危险的情况：不是报错，而是静默失败。

后来我接入了 MinerU MCP，重跑了一遍。两次结果差距大到让人无法接受。

这篇文章记录这套工作流，以及我踩过的所有坑。

先搞清楚：为什么 Claude Code 默认不用好工具？

这是一个很少被讨论的问题。

当你让 Claude Code 处理文档时，它会在自己的知识库里找"合适的工具"。问题是：

  • MarkItDown（微软出品）：知名度高，Claude 经常主动选它

  • Docling（IBM 出品）：HuggingFace 描述写得好，Claude 容易识别

  • MinerU：解析质量最强，但在 Claude 的"工具推荐权重"里存在感不够

不是 MinerU 不好，是它还没有充分出现在 AI 的训练数据和工具推荐路径里。

这就是为什么我们需要主动配置 MCP，把 MinerU 放进 Claude 的工具箱。

第一步：5 分钟接入 MinerU MCP

什么是 MCP？

MCP（Model Context Protocol）是让 AI 直接调用外部工具的协议。配置完成后，Claude Code 遇到文档任务会主动调用 MinerU，而不是用它自己找的随机工具。

配置方法

Claude Desktop：

打开 设置 → MCP Servers，添加：

{
"mcpServers": {
"mineru": {
"command": "uvx",
"args": ["mineru-open-mcp"],
"env": {
"MINERU_API_TOKEN": "your-token"
}
}
}
}

Cursor / Cline / Windsurf：在项目根目录创建对应配置文件，内容相同。
Token 说明：

模式

Token

限制

适合场景

Flash

不需要

20页 / 10MB

快速测试、短文档

Precision

需要（免费申请）

无限制

学术论文、财报、大文件

申请地址：https://mineru.net/apiManage/token
免费注册即可获得额度

验证成功：
重启工具后，在对话里输入：

列出当前可用的 MCP 工具

看到 mineru 出现即配置成功。

MinerU 2.5：背后跑的是什么？

MinerU MCP 调用的是最新的 MinerU2.5——一个 1.2B 参数的视觉语言模型，专为文档解析设计。
在 OmniDocBench 综合评测中排名第一，超过 GPT-4o。
三个关键突破，直接对应你在实际使用中会遇到的痛点：

📐 全文完整解析，不截断
系统默认工具遇到大文件会自动截断，MinerU2.5 专门优化了长文档处理，200 页照样完整输出。
🔢 公式还原质量 SOTA
复杂数学公式、中英混合公式，输出为标准 LaTeX 格式。学术论文审稿的核心需求。
📊 复杂表格全覆盖
旋转表格、无边框表格、缺边框表格——以前各种工具翻车的地方，MinerU2.5 稳定输出。

核心 Prompt 技巧：让 Claude Code 用对工具，这是最容易被忽略、但最关键的部分。
❌ 容易失效的写法：

帮我分析这份 PDF

Claude 可能用任何它觉得合适的工具。
✅ 明确指定的写法：

请使用 MinerU MCP 工具解析这份 PDF，
完整提取全文（包括最后一页），
然后帮我分析...

✅ 更自然、描述需求的写法：

我需要高质量解析这份 200 页的财报，
要求：公式完整、表格结构清晰、全文不截断。
解析完成后告诉我总页数，确认全文都已获取，再开始分析。

✅ 在 Claude 项目里设置系统提示（一劳永逸）：
在 Claude Desktop 的"项目"里加入：

当用户需要解析 PDF/Word/PPT 文档时，
始终优先使用 MinerU MCP 工具。
确保完整解析全文，不要只处理前几页。
解析完成后主动确认总页数。

配置一次，之后对话里不需要每次都强调。

实战场景一：项目评审（50 份文档批量处理）

背景： 飞书多维表格里有几十个项目，每行包含项目介绍和答辩材料附件（PDF/Word/PPT 混杂）。
完整 Prompt：

我需要评审以下项目答辩材料，请帮我逐一处理：
文件列表：
- 项目A_答辩材料.pdf（预计 50 页）
- 项目B_技术报告.docx
- 项目C_路演PPT.pptx
...（共 20 份）
处理步骤：
1. 用 MinerU 完整解析每份文档（必须解析全文，不能截断）
2. 解析完成后先报告每份文档的总页数，确认完整性
3. 从每份中提取：
- 项目名称和核心方向（1-2句）
- 技术方案（关键技术点）
- 团队背景
- 预期成果或已有数据
4. 按以下维度打分（1-10分）：
- 创新性
- 技术可行性
- 商业价值
- 团队匹配度
5. 最终输出一份汇总表格
注意：每份文档必须完整解析，这是评审的基础，请不要跳过任何页面。

实际效果对比：

--

不用MinerU

用MinerU

解析完整度

前10页（5%）

全文（100%）

公式识别

乱码 / 跳过

完整LaTeX

分析结论

⚠️ 基于5%内容

✅ 基于全文

你的决策质量

❌ 基于残缺信息

✅ 可靠

实战场景二：学术论文审稿

背景： 收到投稿论文（PDF），需要快速做初审判断。

核心痛点： 论文里的公式是判断研究质量的关键，但 Claude 直读 PDF 时公式经常变乱码。

Prompt 模板：

请用 MinerU 解析这篇论文：[paper.pdf]
这是一篇关于 [领域] 的论文，审稿重点在：
1. 方法论创新性（重点看 Section 3-4 的公式推导）
2. 实验设计严谨性（提取所有对比实验表格）
3. 与已有工作的差异
解析完成后，请：
1. 先列出论文结构（章节标题）
2. 提取摘要、核心方法、主要实验结果
3. 找出所有数据对比表格，逐一解读
4. 给出 300 字审稿意见，包括优点、不足和建议

为什么 MinerU 在这个场景特别重要：

  • 论文里的公式是核心内容，解析质量直接影响审稿质量

  • MinerU2.5 的公式识别达到 SOTA，输出为 LaTeX，Claude 可以完整理解和分析

  • 普通 PDF 解析工具遇到复杂公式基本报废

实战场景三：财报 / 合同批量对比分析

背景： 多份季报或合同文件，需要提取关键数据做横向对比。

Prompt 模板：

请用 MinerU 依次解析以下三份财报（Precision 模式，确保表格完整）：
- 2024Q1_财报.pdf
- 2024Q2_财报.pdf
- 2024Q3_财报.pdf
每份提取：
- 营业收入（绝对值 + 同比增速）
- 净利润（绝对值 + 利润率）
- 毛利率
- 研发投入及占比
- 管理层展望关键词
输出格式：
1. 三期数据对比表格
2. 核心趋势分析（200字）
3. 需要重点关注的异常项

关键提示： 财报里的数据表格经常是复杂格式（跨行合并、带批注），普通工具解析后列数据会错位。MinerU2.5 的表格鲁棒性专门针对这类情况做了优化。

实战场景四：RAG 知识库搭建

如果你需要把文档导入知识库（而不是一次性分析），MinerU 有官方的 LangChain 和 LlamaIndex 集成：


LangChain：

from langchain_mineru import MinerULoader
from langchain_text_splitters import RecursiveCharacterTextSplitter
from langchain_openai import OpenAIEmbeddings
from langchain_community.vectorstores import FAISS

# 高质量解析
docs = MinerULoader(
    source="technical_manual.pdf",
    mode="precision",
    token="your-token",
    formula=True,   # 保留公式
    table=True       # 保留表格结构
).load()

# 切分 + 向量化
chunks = RecursiveCharacterTextSplitter(
    chunk_size=1200,
    chunk_overlap=200
).split_documents(docs)

vectorstore = FAISS.from_documents(chunks, OpenAIEmbeddings())
results = vectorstore.similarity_search("安装要求", k=3)

LlamaIndex

from llama_index.readers.mineru import MinerUReader
from llama_index.core import VectorStoreIndex

docs = MinerUReader(
    mode="precision",
    token="your-token",
    ocr=True,
    formula=True,
    table=True
).load_data("paper.pdf")

index = VectorStoreIndex.from_documents(docs)
response = index.as_query_engine().query("核心方法是什么？")
print(response)

和 MCP 方式的区别

MCP 方式 SDK 方式
适合场景 一次性分析任务 需要持久化的知识库
使用门槛 极低，对话直接用 需要写代码
集成灵活性 依赖 AI 工具 完全可编程
典型场景 项目评审、论文审稿 RAG 系统、文档问答

进阶：与 OpenClaw 结合使用

如果你在用 OpenClaw（或类似的 AI 助手平台），MinerU Skill 可以实现更自动化的工作流：

场景：定时处理飞书多维表格里的新文档

每天 9:00 检查飞书多维表格「项目库」
→ 找到「解析状态」为空的行
→ 下载对应附件（PDF/Word/PPT）
→ 调用 MinerU 解析
→ 提取项目简介、核心亮点
→ 写回多维表格对应列
→ 标记「解析状态」为完成

常见问题

Q：Flash 模式 20 页限制怎么办？

对于大文件，申请 Token 使用 Precision 模式。Token 免费，注册即有额度。

Q：如何确认 Claude Code 真的用了 MinerU 而不是别的工具？**

在 Prompt 里加一句：`完成后告诉我使用了哪个工具进行解析`。或者在 Claude Desktop 里打开工具调用日志查看。

Q：Word / PPT 也支持吗？

支持。MinerU MCP 支持 PDF / Word / PPT 多种格式，对应真实工作场景里的混合文件。

Q：解析速度怎么样？

- Flash 模式：通常 10-30 秒

- Precision 模式：视文件大小，一般 30 秒 - 2 分钟

- vllm 自部署：A100 上 2.12 fps，200 页约 1.5 分钟

总结

如果你的场景是... 推荐配置
偶尔分析几份文档 Flash 模式 + Claude Desktop MCP
经常处理学术论文 Precision 模式（开 formula=True）
批量处理大量文件 Precision 模式 + 明确 Prompt 要求完整解析
需要知识库长期查询 langchain-mineru 或 llama-index-readers-mineru
自动化工作流 OpenClaw + MinerU Skill

相关链接：

- 🔧 MCP 配置：https://mcp.so 搜索 MinerU

- 🎯 在线 Demo：https://mineru.net/OpenSourceTools/Extractor

- 🔑 Token 申请：https://mineru.net/apiManage/token

- 📦 GitHub：https://github.com/opendatalab/MinerU

- 📄 技术报告：https://arxiv.org/abs/2509.22186

你现在可以做一件事：

打开 Claude Desktop，5分钟配置 MinerU MCP。

下次让 Claude Code 处理文档时，它会用对工具。

就这一个改变，值得你读完这篇文章。

# 人工智能 # 计算机视觉 # github # 产品运营
Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

cover

DeepSeek-V4 工具调用容错设计：当 Agent 需要人类介入时如何结构化降级

avatar DeepSeek技术社区
cover

DeepSeek API 输出护栏实战：如何用规则引擎拦截越狱指令而不误杀正常请求

avatar DeepSeek技术社区
cover

RAG 混合检索管线中的失败模式：为什么你的 DeepSeek 问答系统漏掉了关键文档？

avatar DeepSeek技术社区