메뉴
使用开源 MinerU 在本地将 PDF、DOCX、PPTX、XLSX 及常见图片转为 Markdown（及配套资源）， 便于知识库、RAG、Baklib 录入前处理。在用户提到 MinerU、办公文档转 Markdown、 PDF 转 MD、PPT/Word 抽取正文、本地批量解析、pipeline 后端时使用。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
指导在终端用 @baklib/baklib-cli（baklib 命令）通过 Baklib Open API 管理站点、知识库、DAM、成员与用户，以及主题拉取/预览上传与本地 theme dev；含鉴权配置、--json 脚本输出与执行规范。在用户已安装或可安装 baklib CLI、要用命令行/脚本/CI 读写 Baklib 线上数据时使用；Liquid 模版语法见 baklib-theme-dev（需另行安装）。
Baklib 专用：根据 CHANGELOG/更新说明撰写面向用户的对外发布日志（Markdown 正文 + 封面图提示词）， 用于 release.baklib.cn 等站点页；含标题规范、help.baklib.cn/术语表内链、DaisyUI baklib 品牌与 Liquid Glass 封面。 在用户要写 Baklib 发布日志、release note、版本更新文章、或从 CHANGELOG 生成对外稿时使用；出图与 MCP 写入须先确认。
Baklib 站点主题（模板）开发：Liquid 目录与命名、`config/settings_schema.json` 与模板 `{% schema %}`、多语言 `locales`、对象与指令/过滤器、静态页 URL、seeds 与迁移；站点表单 `form_tag`/`form_field_tag` 全量说明见 references/forms.md。并含「新建主题脚手架」「参考站复刻工作流」、本地 `baklib theme dev` 预览，以及 CLI 初始化 manifest（template.json，见 references/theme-init-template-manifest.md）。新建或迭代主题起步模版、写 template.json、theme init/apply 时必读该文档；完成主题开发后应把过程沉淀进 manifest 的 developmentNotes/workflow。页面预览参数用 `baklib theme preview set`（theme-preview-page-config.md），勿让用户手填面板。在用户编写 .liquid、配置 schema、新建模板、复刻参考站或排查模板与变量时使用；详规见 references/。
本地 MinerU 将 PDF/Office/图片转为 Markdown（含 images/ 图文、表格与公式识别）。复杂版式、扫描件、长书须先确认页范围与后端。用户要转 PDF、提取表格、OCR、或问「这篇 PDF 讲了什么」时使用。
通过 Playwright CDP 连接用户本机 Chrome，提供页面感知 JSON（链接、输入框、按钮等）与类人操作（点击、填写、滚动、截图）。 业务逻辑由消费该技能的 AI 决策，脚本不做站点硬编码。用于网页调研、表单填写、可控交互抓取； 涉及发布评论、点赞、关注、私信、表单提交等写入外部系统的操作前须先向用户确认执行计划。
Self-contained guide for writing Baklib BKE Markdown (L1/L2, DAM dam-id, file colon-syntax, link cards, fragments, embeds, tables). Use when authoring or importing BKE Markdown, inserting DAM assets, or resolving DAM ids via MCP; not for editor implementation or maintaining product docs repos.
| name | mineru-office-to-markdown |
| description | 使用开源 MinerU 在本地将 PDF、DOCX、PPTX、XLSX 及常见图片转为 Markdown（及配套资源）， 便于知识库、RAG、Baklib 录入前处理。在用户提到 MinerU、办公文档转 Markdown、 PDF 转 MD、PPT/Word 抽取正文、本地批量解析、pipeline 后端时使用。 |
MinerU 可将 PDF、DOCX、PPTX、XLSX、图片 等转为 Markdown / JSON 等结构化结果，表格多为 HTML 表格嵌入 MD，复杂版式还原能力较强。本技能说明在你本机的安装方式、推荐 CLI 参数，以及目录批量时的必备注意事项。
.doc（老版 Word）直接支持：MinerU 以 DOCX 等现代格式为主；老文档请先另存为 DOCX 或 PDF 再转换。在独立虚拟环境中安装，避免污染系统 Python：
pip install --upgrade pip
pip install uv
uv venv .venv
# Windows: .venv\Scripts\activate
source .venv/bin/activate
uv pip install -U "mineru[all]"
源码安装与精简依赖见官方 Quick Start 与 Extension Modules。
将 <输入文件> 换为你的 PDF / DOCX / PPTX / XLSX / 图片路径，<输出目录> 为已存在或可由工具创建的父目录：
mineru -p "<输入文件>" -o "<输出目录>" -b pipeline -l ch
说明：
-b pipeline：兼容面广，可在纯 CPU 环境运行（具体以本机实测为准）；需要更高精度时可查阅官方后端对比表改用 hybrid-* / vlm-*（硬件要求更高）。-l ch：中文 OCR/版面语言提示；多语言文档请查阅 CLI 的 -l 可选值。仅处理 PDF 部分页（0-based）示例：
mineru -p "<输入.pdf>" -o "<输出目录>" -b pipeline -l ch -s 0 -e 9
更多参数（公式/表格开关、环境变量等）见官方 CLI 工具说明。
当前 CLI 对「输入目录」的扫描通常只处理该目录下的直接文件，不会递归子文件夹。若根目录下只有子目录、没有散落文件，会报 No supported documents found。
推荐做法（二选一）：
mineru -p "<子目录>" -o "<输出根>" ...。mineru。支持的扩展名以官方为准，一般包括：pdf、docx、pptx、xlsx、常见图片格式等。CSV 等表格文件通常不在同一套「版式解析」路径内，需改用表格工具或专用导入流程。
成功后在输出目录下会按文档名生成子文件夹；常见情况：
auto/ 下生成 *.md 与 images/ 等。office/ 下生成 *.md（以你本机 MinerU 版本实际目录为准）。若日志中出现与 *_origin.pdf 可视化相关的 Skipping visualization，多为可选中间件缺失，不一定表示正文 Markdown 未生成，请以对应 *.md 是否存在为准。
转换得到的 Markdown 与图片可在本地校对后，再使用本仓库 baklib-data-import 将文件批量迁入 Baklib DAM（或按你们镜像规范放入 baklib-intake-assistant 约定目录）。路径、元数据与脱敏规则以各技能说明为准。
MINERU_PROCESSING_WINDOW_SIZE 等）。mineru --help。