MinerU
MinerU 是一款开源的 PDF 文档解析与转换工具，能够将复杂的 PDF 和 Office 文档转换为 LLM 可用的 Markdown/JSON 格式。支持版面分析、表格提取、公式识别和 OCR，专为 AI 智能体工作流设计。66K+ stars。
🎯适用场景：将 PDF/Office 文档转换为 AI 友好的格式，用于 RAG 知识库构建和文档智能分析
📥 收录于 2026/6/3
📊 仓库数据
✅ 优点
- •支持 PDF、DOCX、PPTX 等多种格式
- •版面分析和表格提取能力强
- •66K+ stars 社区活跃
- •专为 LLM 工作流优化
⚠️ 限制
- •复杂排版文档可能丢失格式
- •OCR 精度依赖底层引擎
- •扫描件处理效果因质量而异
🔗 相关工具
MarkItDown
github.com/microsoft/markitdown
微软开源的通用文件转 Markdown 工具，支持 PDF、Word、PPT、Excel、HTML、音频、图片 OCR 等数十种格式转换，专为 LLM 和 RAG 数据预处理设计，插件系统可扩展，MIT 协议
🎯多模态内容理解与生成
Firecrawl
github.com/firecrawl/firecrawl
AI 友好的网页抓取 API，支持 URL → Markdown/结构化数据，110K+ stars。专为 LLM 应用设计，自动处理 JS 渲染、分页、反爬，是 RAG 系统的理想数据源
🎯网页自动化与数据采集
RAGFlow
github.com/infiniflow/ragflow
开源 RAG 引擎，78,566+ stars。深度融合检索与 LLM 能力，支持 PDF/Word/PPT 等多格式文档解析、智能分块、混合检索和引用溯源，是企业知识库问答的优选方案
🎯企业知识库问答与 RAG 检索、非结构化文档解析与提取
LobeHub
github.com/lobehub/lobe-chat
AI Agent 协作平台，75,393+ stars。提供现代化的聊天界面，支持多模型切换、插件系统、Agent 团队协作、知识库管理，是个人 AI 工作台的优秀选择
🎯企业知识库问答与 RAG 检索
AnythingLLM
github.com/mintplex-labs/anything-llm
本地 AI 生产力工具，58,641+ stars。一站式本地 AI 应用方案，支持文档管理、向量数据库、多模型切换，可完全本地化部署，保护数据隐私
🎯知识库问答与 RAG 检索
Docling
github.com/docling-project/docling
文档 AI 预处理工具，58,284+ stars。将 PDF、Word、PPT 等文档转换为 AI 友好的格式，保留表格、公式、图片结构。是 RAG 系统和知识库构建的前置数据准备利器。
🎯企业知识库问答与 RAG 检索、非结构化文档解析与提取