DeepSeek-V4 + MinerU 知识库教程：扫描 PDF 解析与 RAG 问答实测

你好，我是郭震

这篇主要解决两件事：扫描 PDF 怎么稳定解析，解析后的文档怎么接入 DeepSeek-V4 做知识库问答。

如果你在找“MinerU 扫描 PDF 解析”“DeepSeek-V4 知识库问答”“RAG 文档解析效果”，可以先看这一篇。我用 DeepLocals + MinerU 做了一轮实测，重点看复杂公式、表格、扫描件和学术文献检索是否真的能用。

先说结论：MinerU 的价值不只是把 PDF 转成文字，而是让知识库拿到更干净的结构化输入。输入质量变好了，后面的 RAG 检索、引用定位和 DeepSeek-V4 问答才更稳。

相关阅读：知识库搭建和检索参数可以继续看 RAG 知识库专题，本地模型部署可以看 本地大模型部署专题。

你的电脑里应该攒了不少资料吧？

PDF、Word、Excel，还有各种会议纪要、项目文档、论文、合同什么的。刚存的时候觉得以后肯定有用，结果真要用的时候，发现根本找不到。

尤其是文件多了，电脑里存了上千上万个文件时，靠 Windows 自带的搜索或者靠脑子记，基本就废了。你想找某一个具体的合同条款，或者某篇论文里的实验数据，翻半天也对不上号。

跟大家分享我对以上两个挺扎心问题的解决方法，感兴趣的可以看看。

1 难搞的扫描PDF

咱们平时存的 PDF，很多其实是扫码件，或者是排版特别复杂的论文，里面又是多栏排版，又是各种公式、表格：

以前这种文件丢给 AI，它读出来的格式基本都乱掉了。

如下放到NotebookLM知识库中，解析后公式排版出现问题：

这里分享一个靠谱的方法，就是使用MinerU，它专门治这种“难啃”的文档。

它能把那些复杂的公式、嵌套的表格，还有乱七八糟的扫描件，尽量保持和原文语义一致。

如下接入到DeepLocals知识库，通过MinerU完成解析，这个公式解析质量好于NotebookLM：

这样你在问它问题的时候，它不再是凭感觉瞎猜，而是真能看清你那张表、那个公式到底写了啥。

如下图所示，在知识库检索问答时，它能精准命中对应的文档片段，并准确输出答案：

MinerU为啥能做到解析质量如此之高，参考下图，得益于强大的智能文档解析引擎：

一句话总结，通过MinerU的PDF解析能力，知识问答有了高质量的输入，从而保证了RAG检索的高精度。

2 私有资料+外部联动

很多时候，光看自己电脑里的资料是不够的。比如你写个调研报告，或者查个技术方案，除了看自家的文档，还得查查外面的专业论文才放心。

注意到MinerU最近直接接入了 Sciverse 这个学术库，里面有 2500 万篇公开的文献：

这几天我经常使用的DeepLocals，也接入了MinerU最新升级的这个功能：

你在提问的时候，顺手点一下“学术文献搜索”，它就会一边翻你本地的文件，一边帮你去查专业的学术论文。

如下图所示，提问diffusion总结，使用DeepSeek-V4大模型：

它会从左侧本地知识库中，检索到我的本地PDF论文：

同时还会从2500万学术文献库中查找到对应文献：

而且参考的文献有多篇，如下文献11：

文献9：

文献8：

一句话总结：这种“本地私有资料 + 外部专业证据”一起出来的效果，不仅能省掉大量查资料的时间，而且能得到更好、更全面的总结答案。

3 DeepSeek-V4+知识库

如下图所示，DeepLocals学习了我电脑的海量PDF、Word等文档：

学习完成后还能看到文字+图片，支持多模态学习：

结合学习到你的文件以图文形式回答，是一个更懂你的AI，支持云端和本地双模式，如下图所示：

自动结合学习到的电脑文件，支持图文回复：

四大专业预设模式：通用模式、法律模式、医学模式和科研模式：

另外，还支持多个知识库间联合回答问题：

比较常用的知识库，还有腾讯IMA等，感兴趣的大家也可以去体验IMA

最后总结一下

本文实测了DeepSeek-V4结合MinerU，解决扫描PDF处理问题，以及本地和外部知识联动，提供更好问答。** **

** 具体来说，通过 MinerU 把乱码的文档理顺，再通过 Sciverse 把全球的学术证据拉进来，这种“本地资料理得顺、外部文献找得准”的体验，成为一个称手的 AI 工作台该有的样子。**

如果你也深陷文档堆，想让 AI 带着证据帮你干活，那这套组合方法值得试一试。

全文1329字，26图，如果你觉得这篇文章对你有帮助，也欢迎给我一个三连击：点赞、转发和在看；如果可以，再帮我点一个⭐️。谢谢你看到这里，我们下篇再见。