当前位置：首页 > news >正文

【GitHub每日速递 251023】46.1k star, 1.2B参数逆袭！MinerU2.5成最牛文档解析多模态大模型

news 2025/10/23 7:50:19

原文:https://mp.weixin.qq.com/s/0V9R33AYXPjbgcO-OkBsNg

Klavis AI：突破工具集成极限，4 种方式让 AI 无缝对接多服务！

klavis 是一个实现MCP集成层的AI工具。简单讲，它让AI代理能稳定使用成千上万种工具。适用人群：AI开发者、自动化工具构建者

项目地址：https://github.com/Klavis-AI/klavis

主要语言：Python

stars: 4.9k

Klavis AI 提供了让 AI 代理在任何规模下可靠使用工具的 MCP 集成层，主要有以下两个核心解决方案：

Strata：作为统一的 MCP 路由器，是一个单一的 MCP 服务器，可让 AI 代理在任何规模下可靠地使用工具。它具备可扩展的工具集成能力，能突破 40 - 50 个工具的限制；还能进行渐进式发现，逐步引导代理从意图到行动。
MCP 集成：拥有 50 多个生产 MCP 服务器，支持企业 OAuth，可将 AI 连接到 GitHub、Gmail、Slack、Salesforce 等服务。采用真正的 OAuth 认证，而非仅依赖 API 密钥，并且支持 Docker，可实现一键部署。

优势

可扩展性：Strata 能突破工具数量限制，满足大规模工具使用的需求。
渐进式引导：帮助 AI 代理从意图到行动逐步推进，提高使用工具的可靠性。
丰富的集成：50 多个 MCP 服务器涵盖了众多主流服务，方便 AI 与各种平台连接。
安全认证：使用真正的 OAuth 认证，保障数据安全。
便捷部署：支持 Docker 部署，简化部署流程。

应用场景

自动化办公：AI 代理可通过 Klavis AI 集成的各种办公工具，如 Gmail、Slack 等，实现自动化的邮件处理、消息沟通等任务。
数据分析：连接到 Salesforce 等数据平台，让 AI 代理获取和分析数据，为决策提供支持。
软件开发：在 Claude Code、Cursor、VSCode 等开发环境中使用 Strata 或单个 MCP 服务器，提高开发效率。

快速启动方式

开源方式：可在自己的基础设施上进行自托管，通过 Docker 拉取并运行 MCP 集成，同时在本地安装开源的 Strata。
WebUI 托管服务：无需任何设置，只需注册账号，按照快速入门指南操作，即可在相关开发环境中使用。
SDK 方式：提供 Python 和 TypeScript SDK，可用于构建自定义应用程序。
直接 API 方式：使用 REST API，适用于任何编程语言。

1.2B参数逆袭！MinerU2.5成最牛文档解析多模态大模型

MinerU 是一个将复杂文档（如PDF）转换为适合大语言模型使用的Markdown/JSON格式的工具。简单讲，它能把难以处理的PDF文件变成AI容易理解的结构化文本。适用人群：需要处理文档数据的开发者、AI应用工程师、研究人员。

项目地址：https://github.com/opendatalab/MinerU

主要语言：Python

stars: 46.1k

MinerU是一个将PDF转换为机器可读格式（如Markdown、JSON）的工具，便于将内容提取为任意格式。该工具诞生于InternLM的预训练过程，专注于解决科学文献中的符号转换问题，为大模型时代的技术发展贡献力量。

核心功能

去除干扰信息：去除页眉、页脚、脚注和页码等，确保语义连贯。
按阅读顺序输出：以人类可读的顺序输出文本，适用于单栏、多栏和复杂布局。
保留文档结构：保留原始文档的结构，包括标题、段落、列表等。
提取元素：提取图像、图像描述、表格、表格标题和脚注。
公式和表格转换：自动识别文档中的公式并转换为LaTeX格式，自动识别表格并转换为HTML格式。
OCR功能：自动检测扫描PDF和乱码PDF并启用OCR功能，支持检测和识别84种语言。
多格式输出：支持多种输出格式，如多模态和NLP Markdown、按阅读顺序排序的JSON以及丰富的中间格式。
可视化结果：支持各种可视化结果，包括布局可视化和跨度可视化，便于确认输出质量。
多环境支持：支持在纯CPU环境中运行，也支持GPU（CUDA）/NPU（CANN）/MPS加速，兼容Windows、Linux和Mac平台。

快速开始

pip或uv安装MinerU

pip install --upgrade pip
pip install uv
uv pip install -U "mineru[core]"

源码安装MinerU

git clone https://github.com/opendatalab/MinerU.git
cd MinerU
uv pip install -e .[core]

在线体验

官方在线Web应用：功能与客户端相同，界面美观，功能丰富，但需要登录使用。
- https://mineru.net/OpenSourceTools/Extractor?source=github
基于Gradio的在线演示：基于Gradio开发的WebUI，界面简单，仅具备核心解析功能，无需登录。
- https://huggingface.co/spaces/opendatalab/MinerU

本地部署

安装前需注意，为确保项目的稳定性和可靠性，开发过程中仅针对特定的硬件和软件环境进行了优化和测试。不同解析后端对操作系统、CPU、GPU、内存、磁盘空间和Python版本有不同要求。安装方式有多种，可使用pip或uv安装，也可从源代码安装，还能通过Docker部署。使用时，最简单的命令行调用为mineru -p <input_path> -o <output_path>，也可通过命令行、API和WebUI等多种方式进行PDF解析。