一个人 + AI = 财务审计团队

主题

第7课 · MinerU Skill 安装：让 AI 读懂扫描版 PDF ​

本节要点 ​

  • 了解 MinerU 是什么，能解决什么问题
  • 掌握两种解析模式的区别（Flash 模式 vs 精准模式）
  • 学会从官网获取 Skill 链接并安装
  • 学会配置 API Token
  • 知道安装后需要重启才能生效

1. 为什么需要 MinerU？ ​

前面几节课我们介绍了 Skill，你已经知道通过安装不同的 Skill，可以让 AI 具备各种能力。有些朋友可能会觉得：「这个 AI 工具这也不能干，那也不能干」——其实很多时候，只是没有安装对应的 Skill。

财务和审计工作中，我们面对大量 PDF 文件：

  • 合同
  • 年报
  • 会计报表
  • 发票（报销用）
  • 不动产权证

这些 PDF 有些是文字版本，有些是扫描件。默认情况下，AI 工具直接读 PDF 的效果不理想，尤其是扫描件——基本读不了。

MinerU 就是为了解决这个问题。

2. MinerU 是什么？ ​

MinerU 是上海人工智能实验室（OpenDataLab / 书生）开源的文档智能解析引擎，GitHub 上有 66K+ Stars，是文档解析领域最受欢迎的开源项目之一。

它能将各种文档转换成 AI 可读的结构化格式：

输入格式输出格式
PDF、图片Markdown、JSON
Word（DOCX）HTML、LaTeX
PPT、ExcelDOCX

核心能力 ​

  • 扫描件 OCR：图片型 PDF 也能精准识别
  • 表格还原：跨页表格、合并单元格都能处理
  • 公式识别：数学公式转 LaTeX
  • 排版保留：按人类阅读顺序输出
  • 109 种语言：中英文自不用说，小语种也支持

3. 两种解析模式 ​

MinerU 提供两种解析模式，根据你的需求选择：

Flash 模式（flash-extract）精准模式（extract）
是否需要 Token不需要，免登录需要，去官网创建
文件大小限制≤ 10 MB≤ 200 MB
页数限制≤ 20 页≤ 600 页
输出格式仅 MarkdownMarkdown、JSON、HTML、LaTeX、DOCX
表格识别支持（基础）支持（高精度）
批量处理不支持支持（≤ 200 文件）
适用场景快速预览、简单文档复杂版面、批量处理、高精度需求

免费额度 ​

  • Flash 模式：≤ 20 页的文件，不限次数，按 IP 限流
  • 精准模式：每天可解析约 1000 页（Token 账户额度）

💡 突破限制的技巧：对于超过 20 页的文件，可以让 AI 自动拆分成每 20 页一份，然后用 Flash 模式逐份解析——这样就相当于无限量免费使用。

4. 安装 MinerU Skill ​

第一步：让 AI 帮你安装 ​

在 OpenCode 或 Claude Code 中，把下面这段发给 AI（这是 SkillHub 官方推荐的方式，通过 CLI 安装最稳，不依赖网页）：

请先检查是否已安装 SkillHub 商店，若未安装，请根据 https://skillhub.cn/install/skillhub.md 安装 SkillHub 商店（只安装 CLI），然后安装 mineru-document-extractor 技能。若已安装，则直接安装 mineru-document-extractor 技能。

AI 会自动完成以下操作：

  1. （首次）安装 SkillHub CLI 商店
  2. 通过 CLI 下载并安装 MinerU Skill，放到 OpenCode 的 skills 目录（AI 会自动放对位置，无需手动管）
  3. 安装必要的依赖（mineru-open-api CLI 工具）

为什么不直接发 Skill 链接？

以前的做法是把 https://skillhub.cn/skills/mineru-document-extractor 这个链接发给 AI，让它读页面安装。但 AI 读这个页面经常失败（群里反馈很多「读不了 / 打不开」）。改用上面的 SkillHub CLI 方式，安装走命令行，不依赖读网页，成功率高得多。

💡 万一上面这种方式还是装不上（极少见）

兜底方案：用 find-skills 搜出来再装——用 find-skills 帮我搜索并安装 mineru document extractor（find-skills 安装见第 9 课）。

⚠️ 安装后需要重启。无论是 OpenCode 终端版还是桌面版，安装新 Skill 后需要退出重新进入，Skill 才会生效。

验证安装是否成功 ​

重启后，输入斜杠命令验证：

  1. 输入 /skill，按 Tab 键
  2. 搜索 MinerU
  3. 如果看到 MinerU Document Extractor，说明安装成功

5. 配置 API Token（精准模式） ​

如果你需要使用精准模式（解析超过 20 页的文件、需要表格/公式高精度识别），需要配置 Token。

获取 Token ​

  1. 访问 MinerU 官网 API 管理
  2. 注册/登录账号
  3. 点击「创建 Token」
  4. 输入一个名称（随便起，比如 opencode）
  5. 复制生成的 Token

告诉 AI 你的 Token ​

在对话中直接说：

我的 MinerU Token 是：你复制的 token

AI 会自动将 Token 保存到配置文件中，之后使用精准模式时无需再次输入。

💡 如果只使用 Flash 模式（≤ 20 页），不需要配置 Token。

6. 恢复之前的会话 ​

安装 Skill 过程中你可能退出了当前的对话。如何恢复？

终端版（OpenCode / Claude Code） ​

输入 resume 命令，会弹出之前的会话列表，选择你要恢复的那个即可。

在 OpenCode 中，官方命令是 session，但输入 resume 也同样兼容（与 Claude Code 保持一致）。

桌面版 ​

关闭窗口后重新打开，选择之前的对话即可。

7. 常见问题 ​

安装后看不到 Skill？ ​

退出并重启 AI 工具。终端版退出后重新进入，桌面版关闭窗口再打开。

Flash 模式报 429 错误？ ​

说明 IP 被限流了，等几分钟再试，或者配置 Token 切换到精准模式。

提示「no API token found」？ ​

你在使用精准模式但没有配置 Token。要么配置 Token，要么改用 Flash 模式。

下一课预告 ​

安装好 MinerU Skill 之后，下一课我们将演示实际应用场景：用 AI 批量识别发票信息、提取合同关键条款、做合同风险审查等。这些以前需要人工逐份翻阅的工作，现在一句话就能完成。

© 2025 逆行的狗