MinerU如何接入LangChain、Dify与RAGFlow？构建企业级RAG知识库的8步实战

MinerU如何接入LangChain、Dify与RAGFlow构建企业级RAG知识库的8步实战【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerUMinerU 是一款开源的高精度文档解析引擎能把 PDF、DOCX、PPTX、XLSX 和扫描件一键转成大模型可直接使用的 Markdown / JSON是搭建 RAG 知识库时最关键的文档解析环节。本文将带你完成 8 步实战从安装 MinerU、启动 API 服务到依次接入 LangChain、Dify 与 RAGFlow快速构建可落地的企业级 RAG 知识库。第一步理解 MinerU 的解析能力与 RAG 接入架构RAG 知识库的问答质量很大程度取决于文档解析这一步——公式、表格、多栏版式如果解析错乱后面的检索和生成都会跟着失真。MinerU 恰好补上了这块短板解析后端适用场景特点pipeline快速稳定、无幻觉CPU / GPU 均可运行资源占用低vlm-engine高精度需求支持 vLLM / LMdeploy 生态最高精度hybrid-engine精度与稳定兼顾原生文本提取低幻觉它的接入方式也很全面RAG 框架侧原生支持LangChain、LlamaIndex、RAGFlow、Dify、FastGPT开发集成侧提供REST API、CLI、Docker零代码侧还有 WebUI。本文的实战主线是先把 MinerU 跑成 HTTP API 服务再让三大生态直接消费它的解析结果。第二步安装 MinerUpip 或 Docker方式一pip 安装推荐个人/单节点环境环境要求 Python 3.10~3.13安装命令如下pip install --upgrade pip pip install uv uv pip install -U mineru[all]方式二Docker 部署推荐生产环境仓库内置了编排文件 docker/compose.yaml可按需启动不同服务例如启动解析 APIdocker compose -f compose.yaml --profile api up -d详细的镜像构建与启动说明见 docs/zh/quick_start/docker_deployment.md。 国内网络环境下若无法访问默认模型源可设置环境变量MINERU_MODEL_SOURCEmodelscope切换模型源详见 docs/zh/usage/model_source.md。第三步启动 mineru-api 服务并验证解析Dify、RAGFlow、LangChain 都是通过 HTTP 接口调用 MinerU 的所以先启动 API 服务mineru-api --host 0.0.0.0 --port 8000服务提供三类关键接口健康检查GET /health异步任务POST /tasks适合长文档返回task_id后轮询结果同步解析POST /file_parse上传文件直接拿结果想本地快速验证效果直接用 CLI 解析一份示例文档即可mineru -p demo/pdfs/demo1.pdf -o output解析完成后会生成 Markdown 主文件以及layout.pdf等可视化调试文件方便你直观检查版面解析是否正确。各输出文件的完整说明见 docs/zh/reference/output_files.md示例文档可参考 demo/pdfs/ 目录。第四步接入 LangChain——自定义文档加载器LangChain 侧没有现成的 MinerU 专用 Loader但思路很简单把 MinerU API 包成一个自定义 Document Loader。核心逻辑只有两步将 PDF 上传到POST /file_parse或POST /tasks接口完成解析拿到返回的 Markdown 后用 LangChain 的UnstructuredFileLoader或TextLoader切分成 chunks再喂给向量库。这样就实现了PDF → 高精度 Markdown → 语义切分 → 向量化的完整 RAG 入库链路且解析精度完全由 MinerU 后端pipeline / hybrid / vlm决定。官方提供了 Python 异步调用示例 demo/demo.py可直接借鉴其中的请求封装方式。第五步在 Dify 中安装 MinerU 插件Dify 是目前最流行的 LLM 应用开发平台之一。MinerU 官方插件已上架 Dify 插件市场在插件页面搜索MinerU直接安装即可私有化部署的 Dify 同理插件同时支持官方在线 API和本地部署 API两种后端向下兼容 1.x 版本安装后你的 Dify Agent 就拥有了强大的文档解析读写能力。第六步配置 Dify 插件接通解析服务安装后进入插件配置页填写 API 信息即可使用官方在线 API必须提供令牌Token使用本地部署的mineru-api只需填写http://你的地址:8000Token 可不填。第七步在 Dify 中搭建 Chat PDF 文档问答工作流接入完成后用 Dify 搭一个与 PDF 对话的应用只需 4 个节点全程零代码开始节点字段类型选单文件变量名input_file支持文档与图片工具节点添加 MinerU 的 Parse File 工具输入变量选input_fileLLM 节点上下文选择 MinerU 输出的text变量即解析后的 MarkdownSYSTEM 提示词写从 Parse File 的 text 中提取用户问题的答案预览发布上传 PDF 即可与文档自由问答。如果你需要批量处理文档并归档例如上传 S3Dify 插件还支持full_zip_url输出配合迭代节点做批量解析。完整的两案例教程见 docs/zh/usage/plugin/Dify.md。第八步把 MinerU 集成进 RAGFlow 知识库RAGFlow 是深度融合深度文档理解与自动化 RAG 工作流的开源引擎。MinerU 已作为内置 PDF 解析器深度集成进 RAGFlow本地部署接入分三步确认版本RAGFlow ≥v0.21.1修改.env文件在末尾追加两行HF_ENDPOINT与MINerU_EXECUTABLE指向容器内 mineru 可执行路径保存后重启服务容器内安装 MinerU进入ragflow-cpu容器用uv创建虚拟环境并执行uv pip install -U mineru[core]安装完成后重启容器。安装完成后进入目标知识库 →【配置】→ 找到Ingestion pipeline摄取管道部分将【PDF 解析器】下拉选择MinerU并保存即可让 RAGFlow 用 MinerU 的高精度解析能力处理入库文档完整步骤含命令细节见 docs/zh/usage/plugin/RagFlow.md。进阶企业级部署的 3 个实用技巧多 GPU 负载均衡文档量大时用mineru-router聚合多个mineru-api服务支持自动拉起本地 worker 与任务路由接口与 API 完全兼容异步任务 队列长文档走POST /tasks异步接口配合queued_ahead字段做排队监控避免长请求阻塞服务解析后端按需选择日常批量入库用pipelineCPU 可跑、零幻觉合同/财报等高精度场景切hybrid或vlm后端精度可达 95 分以上。遇到安装或部署问题建议先查 docs/zh/faq/index.md绝大多数常见坑都已有现成方案。走完这 8 步你就拥有了一条从原始文档到可问答知识库的完整 RAG 数据管线 【免费下载链接】MinerUTransforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON for your Agentic workflows.项目地址: https://gitcode.com/GitHub_Trending/mi/MinerU创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考