MinerU Tianshu企业级AI数据预处理平台部署指南

1. MinerU Tianshu 项目概述

MinerU Tianshu（天枢）是一个功能强大的企业级AI数据预处理平台，专注于将各类非结构化数据转换为AI可用的结构化格式。作为一个长期从事数据处理工作的开发者，我最近在本地部署了这个平台，发现它在处理复杂数据格式时表现出色。

这个平台支持多种数据类型的转换：

• 文档类：PDF、Word、Excel、PPT等办公文档可转换为Markdown或JSON格式
• 多媒体类：视频、音频文件可提取文字内容和关键帧信息
• 图像类：JPG、PNG等图片格式可进行文字提取和结构化处理
• 专业格式：FASTA、GenBank等生物信息学专用格式也能很好支持

2. 本地部署准备

2.1 环境要求

在开始部署前，需要确保系统满足以下要求：

• Node.js 18+ 版本
• Python 3.12 环境
• CUDA 工具包（如需GPU加速）
• 至少16GB内存（处理大型文档时建议32GB以上）
• 50GB以上可用磁盘空间（用于存放模型和临时文件）

提示：建议使用Linux系统进行部署，Windows系统可能会遇到更多依赖问题。我在Ubuntu 20.04和Windows 11上都进行了测试，Linux环境明显更稳定。

2.2 项目结构

项目克隆后主要包含以下目录：

code复制mineru-tianshu/
├── backend/        # 后端服务核心代码
├── frontend/       # 前端界面代码
├── models/         # 模型存放目录
├── .env.example    # 环境配置示例文件
└── README.md       # 项目说明文档

3. 详细部署步骤

3.1 Python环境配置

首先需要创建独立的Python虚拟环境：

bash复制# 创建项目目录
mkdir mineru-tianshu && cd mineru-tianshu

# 使用uv创建虚拟环境
uv python list  # 查看可用Python版本
uv init         # 初始化项目
uv venv --python 3.12  # 创建指定版本的虚拟环境

创建完成后项目目录会生成以下文件：

code复制├── .python-version
├── pyproject.toml   # 项目配置文件
└── README.md        # 项目说明

3.2 依赖安装

安装核心依赖库（建议使用国内镜像源加速）：

bash复制# PaddlePaddle GPU版本（需CUDA 12.6）
uv pip install paddlepaddle-gpu==3.2.0 -i https://www.paddlepaddle.org.cn/packages/stable/