深度技术文章· 面向 AI 工程师、RAG 开发者、Agent 工作流搭建者涵盖Skill 调用机制 · 竞品横评 · 代码实测 · 安全边界 · 选型建议一、背景文档解析为什么是 RAG 的瓶颈在 AI 落地的实际场景中有一个反直觉的结论影响 RAG 系统回答质量的最大瓶颈往往不是大模型的能力而是文档解析的准确率。理由很简单——模型再强读到的如果是乱码、错行或丢失的表格输出质量就从根本上崩了。当前市面上主流的文档解析方案大致分为三类类别代表工具定位纯规则引擎PyMuPDF、pdfminer速度快复杂文档差AI 模型驱动MinerU、Docling、Marker高精度适合复杂场景云端 API 服务LlamaParse、Unstructured API即开即用按量付费MinerU Skill 是其中最特别的一个——它不是单独的工具而是把 MinerU 接进 AI Agent 的执行链路里让 AI 自主驱动文档解析决策。本文从 Skill 机制、调用方式、竞品对比、安全边界四个维度做完整拆解。二、MinerU Skill 的工作机制2.1 Skill 是什么OpenClaw Skill 本质是一个特殊格式的 Markdown 文件SKILL.md里面定义了触发条件什么时候该激活这个 SkillDecision Rules激活后如何决策用哪个命令、哪种参数工具白名单allowed-tools这个 Skill 能调用哪些系统命令MinerU Skill 的allowed-tools声明如下allowed-tools: - Bash(mineru-open-api:*)这意味着这个 Skill 只被允许执行以 mineru-open-api 开头的 shell 命令不能读文件、不能访问网络、不能调用其他工具。这是 Skill 安全隔离的核心机制。2.2 两种提取模式的底层差异Flash 模式基于 PDF 的原生文字层直接提取速度极快适合有数字文字层的标准 PDF。精准模式调用 MinerU 后端的多模型管线先做版式检测DocLayout-YOLO再过 OCRPaddleOCR支持 84 种语言最后分别处理公式UniMERNet和表格TableMaster最终拼合输出。2.3 AI 决策树写在 Skill 里的规则用户说提取这个文档↓ 检查有没有 MINERU_TOKEN 有 ──→ 文件是扫描件/图片型 PDF 是 ──→ 精准模式 否 ──→ Flash 模式更快 无 ──→ Flash 模式 ↓ 执行中遇到 HTTP429 ──→ 等待 5s 后自动重试最多3次 ──→ 超过后提示用户切换模式 ↓ 输出Markdown 文件路径这套逻辑完整写在SKILL.md的Decision Rules章节AI 在运行时逐条匹配。三、调用方式对比MinerU Skill vs 竞品3.1 MinerU SkillOpenClaw使用方式自然语言用户把这个 PDF 转成 Markdown表格和公式都要保留 AI自动判断模式正在使用精准模式提取预计15秒... ✅ 完成输出路径./output/report.md底层执行命令由 Skill 自动生成# Flash 模式mineru-open-api flash-extract--input./doc.pdf--output./output/# 精准模式有 Tokenmineru-open-api extract\--input./doc.pdf\--output./output/\--token$MINERU_TOKEN\--enable-formula\--enable-table优势零命令记忆成本AI 自动处理错误和模式切换适合非开发者。3.2 LlamaParseLlamaIndex 云服务使用方式Python APIimportnest_asyncio nest_asyncio.apply()from llama_parseimportLlamaParse parserLlamaParse(api_keyllx-xxxxxxxxxxxxxxxx,# cloud.llamaindex.ai 获取result_typemarkdown,languagesimplified_chinese,parsing_instruction请保留所有表格结构和数学公式)# 同步解析documentsparser.load_data(./report.pdf)print(documents[0].text)# 异步批量解析importasyncio documentsasyncio.run(parser.aload_data([./file1.pdf,./file2.pdf]))实测输出片段## 第三章 实验结果|模型|准确率|F1 Score|推理时间||------|--------|----------|---------||GPT-4o|94.1%|0.93|2.3s||Claude-3|91.2%|0.90|1.8s|公式识别equationEmc^2/equation→ ✅ 正确提取 复杂公式equation\int_{0}^{\infty}e^{-x^2}dx\frac{\sqrt{\pi}}{2}/equation→ ✅ 正确注意事项免费额度1000 页/天2025 年数据超出后按量计费约 $0.003/页数据上传至 LlamaIndex 云端有数据出境风险3.3 DoclingIBM 开源使用方式Python 本地库from docling.document_converterimportDocumentConverter# 本地运行无需 API KeyconverterDocumentConverter()# 支持本地文件或 URLresultconverter.convert(https://arxiv.org/pdf/2408.09869)# 导出 Markdownmarkdownresult.document.export_to_markdown()print(markdown)# 导出 JSON结构化数据importjson doc_jsonresult.document.export_to_dict()with open(output.json,w)as f: json.dump(doc_json, f,ensure_asciiFalse,indent2)批量处理带进度条from docling.document_converterimportDocumentConverter from pathlibimportPath converterDocumentConverter()pdf_dirPath(./pdfs)forpdf_pathinpdf_dir.glob(*.pdf): resultconverter.convert(str(pdf_path))md_pathpdf_path.with_suffix(.md)md_path.write_text(result.document.export_to_markdown())print(f✅ {pdf_path.name} → {md_path.name})优势纯本地运行无数据出境MIT 协议IBM 背书。劣势Mac M 系列芯片上 CPU 模式较慢约 0.49s/页扫描件处理能力弱于 MinerU。3.4 Unstructured企业级 ETL使用方式Python API自托管或云端from unstructured.partition.pdfimportpartition_pdf# 本地解析基础版elementspartition_pdf(filename./report.pdf,strategyhi_res,# 高精度模式启用 OCRinfer_table_structureTrue,# 还原表格结构extract_images_in_pdfTrue,# 提取图片languages[chi_sim,eng])# 查看元素类型forelinelements: print(f[{el.category}] {el.text[:80]})# 输出示例# [Title] 第三章 实验结果# [Table] | 模型 | 准确率 | F1 Score |...# [NarrativeText] 如表所示GPT-4o 在...云端 API 版速度更快from unstructured_clientimportUnstructuredClient from unstructured_client.modelsimportoperations, shared clientUnstructuredClient(api_key_authYOUR_API_KEY)with open(report.pdf,rb)as f: responseclient.general.partition(requestoperations.PartitionRequest(partition_parametersshared.PartitionParameters(filesshared.Files(contentf.read(),file_namereport.pdf),strategyshared.Strategy.HI_RES,languages[chi_sim],)))print(response.elements)四、横向对比评测4.1 能力矩阵维度MinerU SkillLlamaParseDoclingUnstructuredPyMuPDF调用方式自然语言Python APIPython 本地库Python/APIPython 本地库扫描件 OCR✅ 精准模式✅ 云端 LLM⚠️ 有限支持✅ hi_res 模式❌ 不支持公式提取LaTeX✅ UniMERNet✅ LLM 语义⚠️ 基础支持❌ 不支持❌ 不支持表格还原✅ HTML 嵌套✅ 最强✅ 结构化输出✅ 多格式⚠️ 简单表格多语言支持✅ 84 种语言✅ 云端多语言✅ 多语言✅ 多语言⚠️ 依赖字体是否本地运行✅ 本地❌ 云端✅ 本地✅/❌ 两种✅ 本地费用免费Flash/ Token$0.003/页超额完全免费自托管免费/云端收费完全免费GPU 加速✅ CUDA0.21s/页云端透明✅ CUDA0.49s/页⚠️ 部分支持不需要4.2 准确率基准OmniDocBench 评测2025关键数据来源MinerU2.5 在 OmniDocBench 上总分90.67领先第二名 MonkeyOCR-pro3B 约 1.82 分GPU 加速下NVIDIA L4MinerU 速度0.21s/页是 Docling0.49s/页的 2.3 倍LlamaParse 表格提取最优但公式保真度弱于 MinerUUnstructured 格式支持最全20 种文件类型但文字精度约 68%4.3 真实场景输出对比以一份含公式的学术论文arXiv 风格为例**原始内容**爱因斯坦场方程各工具输出MinerU精准模式equationG_{\mu\nu}\Lambda g_{\mu\nu}\frac{8\pi G}{c^4}T_{\mu\nu}/equation✅ 完整还原LaTeX 语法正确 LlamaParseequationG_{\mu\nu}\Lambda g_{\mu\nu}\frac{8\pi G}{c^4}T_{\mu\nu}/equation✅ 完整还原通过 LLM 语义理解 Docling G μν Λgμν8πG/c⁴ Tμν ⚠️ 下标丢失分数结构简化 Unstructuredhi_res G Lambda g8piG/c^4 T ❌ 希腊字母和下标全部丢失 PyMuPDF G ?v ? g?v8?G/c4T?v ❌ 编码错误完全不可用五、安全性深度分析5.1 MinerU Skill 的安全边界MinerU Skill 通过allowed-tools白名单机制做了最小权限声明# SKILL.md 中的安全声明allowed-tools: - Bash(mineru-open-api:*)# 只允许 mineru-open-api 前缀的命令metadata: optional: env: MINERU_TOKEN:MinerU API Token可选这意味着✅ 不能读取系统文件cat ~/.ssh/id_rsa被拒绝✅ 不能访问网络curl、wget被拒绝✅ 不能安装软件pip install、npm install被拒绝✅ Token 通过环境变量传递不写入日志5.2 竞品安全对比本地方案MinerU / Docling数据不出本机无第三方日志适合处理合同、财报、医疗记录、内部文档合规友好GDPR、数据本地化要求云端方案LlamaParse / Unstructured API文档上传至第三方服务器存在数据出境风险适合公开内容、非敏感文档需确认服务商的数据保留政策5.3 OpenClaw Skill 生态的已知风险**注意ClawHub 是开放市场任何人均可发布 Skill。**已有研究报告显示曾出现过包含恶意命令的 SkillCVE 记录在案。使用建议