Опенсорсный парсер MinerU обещает идеальный Markdown из любых PDF для RAG-систем. Смотрим под капот

MinerU собрал больше 70 000 звёзд на GitHub, обещая решить давнюю проблему подготовки данных для LLM — точный парсинг неструктурированных документов. Разработчики заявляют, что инструмент легко превращает PDF, Word и Excel в чистый Markdown или JSON, сохраняя исходную иерархию, таблицы и формулы. Звучит как идеальный фундамент для RAG, особенно с нативной поддержкой протокола MCP. Но действительно ли бесплатное решение способно без галлюцинаций разбирать повернутые страницы и многостраничные таблицы со слитыми ячейками?

Под капотом система использует OCR для работы с 109 языками и умеет транслировать вложенную математику прямо в LaTeX или MathML. Отдельный фокус сделан на разбор химических исследований: алгоритм распознает молекулярные структуры и химические реакции прямо из научных статей. Правда, обработка таких сложных мультимодальных задач редко бывает легковесной. Заявленный миллисекундный отклик при высокой нагрузке явно потребует серьезных серверных GPU, а не просто локального запуска на офисном железе, несмотря на обещания полной приватности и автономности.

Инструмент доступен через CLI, Python-скрипты или веб-интерфейс, легко интегрируясь в популярные фреймворки вроде Dify. Это действительно мощная база для автономных ИИ-агентов, которым критически важны машиночитаемые данные без визуального шума. Вопрос в том, как поведет себя алгоритм на кривых сканах с артефактами в реальных корпоративных базах знаний. Для типовых задач подготовки датасетов это очень сильный кандидат, но ожидать стопроцентной точности без ручной валидации на сложных макетах пока самонадеянно.