mineru-skill

name mineru-skill description MinerU 文档处理技能。将 PDF、DOCX、PPTX、图片、HTML 文件通过 MinerU API 转换为 Markdown。 当用户需要处理文档、转换文档格式、提取文档内容、检查 MinerU Token 状态、 续期 Token、或批量处理文档目录时使用此技能。 触发关键词：MinerU、处理文档、转换PDF、文档转Markdown、Token状态、批量处理文档。 MinerU 文档处理技能 通过 MinerU API 将 PDF/DOCX/PPTX/图片/HTML 转换为 Markdown + 图片。 目录约定 skill 根目录: 当前 SKILL.md 所在目录 脚本目录: <skill-root>/scripts Python 虚拟环境: <skill-root>/scripts/.venv 默认数据目录: ~/.mineru 可选环境变量: MINERU_DATA_DIR ，可覆盖默认数据目录 如果你是在仓库根目录直接使用本 skill，下面命令可以直接运行： python scripts/setup_env.py 环境初始化完成后，Python 解释器位于： Windows: scripts\.venv\Scripts\python.exe Unix: scripts/.venv/bin/python3 以下用 $PY 代指该解释器， $SD 代指脚本目录。 环境准备 首次使用需完成以下步骤： # 1. 初始化环境（创建 venv、安装依赖、安装 Playwright 浏览器） python $SD /setup_env.py # 2. 编辑账户配置（填入 MinerU 账号密码） # 默认文件位置: ~/.mineru/accounts.yaml # 如果设置了 MINERU_DATA_DIR，则位于 $MINERU_DATA_DIR/accounts.yaml # 3. 批量登录获取 Token $PY $SD /batch_login.py 核心工作流 处理文档前必须先检查 Token 有效性。 完整流程: 运行 check_tokens.py ，根据退出码判断: 退出码 0 → Token 有效，继续处理 退出码 1 → Token 过期，先运行 batch_login.py 续期 Token 有效后，运行 process_document.py 或 process_batch.py 处理文档 各脚本用法 check_tokens.py — 检查 Token 状态 $PY $SD /check_tokens.py 退出码: 0=全部有效，1=有过期或缺失。 batch_login.py — Token 续期 # headless 模式（默认，无需显示器） $PY $SD /batch_login.py # 调试模式（打开浏览器界面） $PY $SD /batch_login.py --headed 自动完成: 登录 MinerU → 删除旧 Token → 创建新 Token → 保存到 ~/.mineru/all_tokens.json 。 process_document.py — 单文档处理 # 处理本地文件（输出到源文件同目录） $PY $SD /process_document.py <文件路径> # 指定输出目录 $PY $SD /process_document.py <文件路径> --output-dir <目录> # 指定模型 $PY $SD /process_document.py <文件路径> --model vlm # 处理 URL $PY $SD /process_document.py https://example.com/doc.pdf 支持格式: PDF, DOC, DOCX, PPT, PPTX, PNG, JPG, JPEG, HTML。 输出: {文件名}.md + {文件名}_images/ 目录。 process_batch.py — 批量处理 # 处理目录下所有 PDF $PY $SD /process_batch.py <目录> # 指定文件类型 $PY $SD /process_batch.py <目录> --pattern "*.docx" # 控制并发数 $PY $SD /process_batch.py <目录> --max-workers 3 # 递归扫描子目录 $PY $SD /process_batch.py <目录> --recursive 常见场景 用户请求 操作 "帮我处理这个 PDF" check_tokens → process_document.py "转换这个目录下所有文档" check_tokens → process_batch.py "查看 Token 状态" check_tokens.py "续期/刷新 Token" batch_login.py "处理这个网页/URL" check_tokens → process_document.py URL 注意事项 文件大小限制 200MB，超过会报错 模型自动选择: PDF/DOC/PPT/图片 → vlm，HTML → MinerU-HTML Token 有效期约 90 天，过期需运行 batch_login.py 续期 数据目录默认是 ~/.mineru/ ，可通过 MINERU_DATA_DIR 自定义 详细 API 参数和错误排查参考 references/api-reference.md