你们平时有没有遇到过这种情况啊： 把论文、报告这类 PDF 直接丢给 AI，表格和公式读得乱七八糟，问它某一段写了什么也对不上 我之前读论文的时候，都是先用… · @qi9098 · TwKit

@qi9098

你们平时有没有遇到过这种情况啊： 把论文、报告这类 PDF 直接丢给 AI，表格和公式读得乱七八糟，问它某一段写了什么也对不上 我之前读论文的时候，都是先用 MinerU 把 PDF 转成 Markdown，再丢给 AI 读，已经转过 30 多份了 为什么是它，具体原因如下： - 准：上海 AI Lab 出的文档解析评测 OmniDocBench（CVPR 2025）里，英文文档的综合编辑距离（文字、公式、表格、阅读顺序一起算）MinerU 是 0.15，Mathpix 0.191，GPT-4o 0.233，Marker 0.336，越低越好。不过这个评测也是它们自己实验室出的，可以打个折看 - 表格和公式不会碎：能输出 HTML 和 LaTeX，AI 读到的是表格和公式的结构，不是一堆挤在一起的字 - 它是冲着 agent 设计的：新版本可以按页、按块接着读，还会保留稳定的引用位置，AI 回答的时候能指回原文 - 开源，GitHub 上已经 83K star 了，本地跑的话默认不会把文档传到官网 然后官方 API 推荐用 vlm 模式 值得注意的是： - 官方 API 要先在网站上建一个 token，每个账号每天有 1000 页最高优先级的额度，单个文件要在 200 页、200MB 以内 - 还有一个专门给 agent 用的轻量接口，不用登录也不用 token，不过只能传 10MB、20 页以内的文件，而且只出 Markdown 我自己是做成了一个 Skill，让 agent 自己提交、等结果、把全文存下来，大家可以参考这个思路自己做一个来玩玩

曝光 25 · 评论 0 · 点赞 0 · 书签 0