返回更新记录
v0.7.0

PDF 解析与对象存储流水线 (v0.7.0)

引入 MinerU Cloud PDF 解析、S3-compatible 对象存储与文档资产归档,复杂文档也能保留可追溯结构。

PDFMinerU对象存储

Langhuan 现在可以通过异步解析流水线处理 PDF,并把解析出的图片等资产归档到本地或 S3-compatible 存储中。PDF 不再是一次性的黑盒上传,而是会留下可以继续索引和追溯的中间结构。

PDF 解析不阻塞请求

上传接口只负责接收文档、记录状态并投递后台任务。MinerU Cloud 解析完成后,worker 会继续处理解析结果,前端可以通过任务状态看到当前阶段。

  • 解析 provider 通过独立能力合同接入,凭据不散落在业务流程里。
  • 解析失败、任务重试和完成状态都保存在文档生命周期中。
  • 同一文档的异步任务可以安全重跑,避免重复写入资产或索引。

资产也属于知识的一部分

PDF 中的图片、表格相关文件和相对路径资源会进入 AssetStore,而不是被丢在临时目录里。Local 与 S3-compatible 两种存储实现共享同一套资产解析边界,部署时可以根据环境切换。

从解析到可检索

完成解析后,系统继续完成资产归档、内容分块和索引发布。每一步都保留文档与资产之间的关联,让一个检索结果能够回到原始文档,而不是只剩一段没有出处的文本。