刚发现一个宝藏项目MinerU，70.8k star，省了自己写AI工具的时间
1️⃣ 把PDF、扫描件直接转成干净的Markdown/JSON，公式、表格、排版全给你保留好。实测喂给Claude写总结，比直接丢原文准确率高一大截，不再乱编内容了。
2️⃣ 内置深度学习模型做版面分析，双栏、复杂嵌套表格都能拆对。之前用别的开源库转那种扫描版论文，结果乱成一坨，换这个一把过，真的省心
3️⃣ 不光能转，还自动抽元数据、去页眉页脚，输出直接就是LLM-ready的格式。接入Agent工作流不用再写一堆预处理代码，开箱即用。
开源协议宽松，商用也没问题。
这项目是上海AI Lab放出来的，属于有顶尖研究团队持续维护的那种
我上周拿它批量转了一批财报PDF，跑了几百份没崩过。
同类工具一般只能处理规整电子版，这种带复杂排版的扫描件才是真考验，它扛住了。
你们现在处理PDF转Markdown用的啥工具，有踩过什么坑吗？
🔗 https://github.com/opendatalab/MinerU