opendatalab/MinerU

MinerU 把复杂文档解析成 LLM-ready Markdown/JSON，覆盖 PDF、DOCX、PPTX、XLSX、图片和网页。README 提到 VLM+OCR 双引擎、109 种语言、公式转 LaTeX、表格转 HTML、阅读顺序恢复、页眉页脚移除、MCP server 和多 RAG 框架集成；3.4 版称 OCR 准确率约提升 11%、处理速度约提升 100%。它是 agentic workflow 中“文档入口层”的重型项目。