opendatalab/mineru-document-explorer

Эта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал

648 stars 73 forks Качество 76 Тренд 22MIT

opendatalab/mineru-document-explorer — это кандидат на MCP-сервер, импортированный из https://github.com/opendatalab/mineru-document-explorer.

Обзор

opendatalab/mineru-document-explorer — это кандидат на MCP-сервер, импортированный из https://github.com/opendatalab/mineru-document-explorer.

MinerU Document Explorer

Агентно-нативный движок знаний — поиск, глубокое чтение и создание баз знаний из Markdown, PDF, DOCX и PPTX.

中文文档 · Настройка MCP · Ссылка CLI · Демо · Вклад

MinerU Document Explorer оснащает вашего агента тремя наборами инструментов — Retrieve, Deep Read и Engest — замыкая полный цикл знаний:

** 🔍 Retrieve** — Кросс-коллексионный поиск: BM25, вектор и гибрид с реранжированием LLM и расширением запросов
** 📖 Глубокое чтение** — Навигация внутри одного документа без загрузки всего файла: оглавление, чтение разделов, встроенный поиск и извлечение элементов
** 📝 Ingest** — Создание и поддержка вики LLM из необработанных документов, следуя шаблону Karpathy LLM Wiki

Разработана командой MinerU, основана на QMD и LLM Wiki Karpathy.

Научный ассистент — Направьте его на папку с PDF-файлами и попросите вашего агента ИИ изучить литературу, сравнить методы или найти конкретные результаты в разных статьях

Эта страница переведена автоматически. Технические детали смотрите в оригинале.

Показан фрагмент оригинального README. Открыть оригинал.

MinerU Document Explorer equips your agent with three tool suites — Retrieve, Deep Read, and Ingest — closing the full knowledge loop:

🔍 Retrieve — Cross-collection search: BM25, vector, and hybrid with LLM reranking and query expansion
📖 Deep Read — Navigate inside a single document without loading the whole file: table of contents, section reading, inline search, and element extraction
📝 Ingest — Build and maintain a LLM wiki from raw documents, following the Karpathy LLM Wiki pattern

Developed by the MinerU team, building on QMD and Karpathy’s LLM Wiki.

Research assistant — Point it at a folder of PDFs and ask your AI agent to survey the literature, compare methods, or find specific results across papers
Project knowledge base — Index your codebase, docs, and design specs; let the agent answer questions about architecture, find relevant code, or trace requirements
Study companion — Upload textbooks or lecture notes; use doc_toc + doc_read to navigate, doc_grep to search, and build a wiki of key concepts
Enterprise document search — Index contracts, reports, or manuals and search them with natural language queries enhanced by LLM reranking

This server does not publish a one-line install command.

{
  "mcpServers": {
    "qmd": {
      "command": "qmd",
      "args": ["mcp"]
    }
  }
}