大模型 PDF解析-MinerU

核心能力在于：

• 保留原文档的结构和格式，包括标题、段落、列表等；

• 自动删除页眉、页脚、脚注、页码等元素；

• 准确提取图片、表格和公式等多模态内容；

• 符合人类阅读顺序的排版格式。

官网：https://github.com/opendatalab/MinerU

 

LazyLLM 是一个开源大模型应用开发框架，可以让我们像搭建积木一样，快速构建出具有生产力的 AI 大模型应用（官网：https://github.com/LazyAGI/LazyLLM 

• MinerU：
  跨页拼接文本 + 分离穿插表格 → 语义完整性 MAX → 生成专业建议

• PyPDF：

  丢失关键段落 + 表格文字粘连 → 大模型东拼西凑 → 回答当场翻车