doc_mineru (#5662)

* doc_mineru

* Delete bun.lock

---------

Co-authored-by: xxYyh <xxyyh@xxYyhdeMacBook-Pro.local>
Co-authored-by: Archer <545436317@qq.com>

document/content/docs/introduction/development/custom-models/meta.json

@@ -1,4 +1,4 @@
 {
   "title": "本地模型使用",
-  "pages": ["marker","xinference","bge-rerank","chatglm2","m3e","chatglm2-m3e","ollama"]
+  "pages": ["marker","mineru","xinference","bge-rerank","chatglm2","m3e","chatglm2-m3e","ollama"]
 }

document/content/docs/introduction/development/custom-models/mineru.mdx

@@ -0,0 +1,83 @@
+---
+title: 接入 MinerU  PDF 文档解析
+description: 使用 MinerU 解析 PDF 文档，可实现图片提取、布局识别、表格识别和公式识别
+---
+
+## 背景
+
+PDF 是一个相对复杂的文件格式，在 FastGPT 内置的 pdf 解析器中，依赖的是 pdfjs 库解析，该库基于逻辑解析，无法有效的理解复杂的 pdf 文件。所以我们在解析 pdf 时候，如果遇到图片、表格、公式等非简单文本内容，会发现解析效果不佳。
+
+市面上目前有多种解析 PDF 的方法，比如使用 [MinerU](https://github.com/opendatalab/MinerU)，该项目使用了 YOLO、PaddleOCR以及表格识别等模型，基于视觉解析，可以有效提取图片、表格、公式等复杂内容。
+
+社区版用户可以在`config.json`文件中添加`systemEnv.customPdfParse`配置，来使用 MinerU 解析 PDF 文件。商业版用户直接在 Admin 后台根据表单指引填写即可，使用教程中会详细解释。
+
+## 使用教程
+
+硬件需求：16g+ 的gpu显存推理卡，最小 16GB+, 推荐 32GB+的内存，其他要求查看[官网](https://github.com/opendatalab/MinerU) 
+
+### 1. 安装 MinerU
+
+这里介绍快速 Docker 安装的方法：
+
+拉取fastgpt-mineru镜像 ---> 创建容器启动解析服务 ---> 把部署好的url地址接入到fastgpt配置文件中
+
+```dockerfile
+docker pull crpi-h3snc261q1dosroc.cn-hangzhou.personal.cr.aliyuncs.com/fastgpt_ck/mineru:v1
+docker run --gpus all -itd -p 7231:8001 --name mode_pdf_minerU crpi-h3snc261q1dosroc.cn-hangzhou.personal.cr.aliyuncs.com/fastgpt_ck/mineru:v1
+```
+这里的mineru接入的是pipeline模式，并且在docker内部进行了并行化，会根据gpu数量创建多个进程来同时处理上传的pdf数据
+
+### 2. 添加 FastGPT 文件配置
+
+```json
+{
+  xxx
+  "systemEnv": {
+    xxx
+    "customPdfParse": {
+      "url": "http://xxxx.com/v2/parse/file", // 自定义 PDF 解析服务地址 MinerU
+      "key": "", // 自定义 PDF 解析服务密钥
+      "doc2xKey": "", // doc2x 服务密钥
+      "price": 0 // PDF 解析服务价格
+    }
+  }
+}
+```
+
+商业版请按下图配置
+
+![alt text](/imgs/mineru6.png)
+
+**注意:** 通过配置文件添加的服务需要重启服务。
+
+### 3. 测试效果
+
+通过知识库上传一个 pdf 文件，并勾选上 `PDF 增强解析`。
+
+![alt text](/imgs/mineru1.png)
+
+确认上传后，可以在日志中看到 LOG （LOG_LEVEL需要设置 info 或者 debug）：
+
+```
+[Info] 2024-12-05 15:04:42 Parsing files from an external service
+[Info] 2024-12-05 15:07:08 Custom file parsing is complete, time: 1316ms
+```
+
+
+同样的，在应用中，你可以在文件上传配置里，勾选上 `PDF 增强解析`。
+
+![alt text](/imgs/mineru2.png)
+
+## 效果展示
+
+以清华的 [ChatDev Communicative Agents for Software Develop.pdf](https://arxiv.org/abs/2307.07924) 为例，展示 MinerU 解析的效果：
+
+|                                 |                                 |                                 |
+| ------------------------------- | ------------------------------- | ------------------------------- |
+| ![alt text](/imgs/mineru3-1.png) | ![alt text](/imgs/mineru4-1.png) | ![alt text](/imgs/mineru5-1.png) |
+| ![alt text](/imgs/mineru3.png) | ![alt text](/imgs/mineru4.png) | ![alt text](/imgs/mineru5.png) |
+
+上图是分块后的结果，下图是 pdf 原文。整体图片、公式、ocr手写体都可以提取出来，效果还是可以的。
+
+不过要注意的是，[MinerU](https://github.com/opendatalab/MinerU) 的协议是`GPL-3.0 license`，请在遵守协议的前提下使用。
+

document/content/docs/toc.mdx

@@ -19,6 +19,7 @@ description: FastGPT 文档目录
 - [/docs/introduction/development/custom-models/chatglm2-m3e](/docs/introduction/development/custom-models/chatglm2-m3e)
 - [/docs/introduction/development/custom-models/m3e](/docs/introduction/development/custom-models/m3e)
 - [/docs/introduction/development/custom-models/marker](/docs/introduction/development/custom-models/marker)
+- [/docs/introduction/development/custom-models/mineru](/docs/introduction/development/custom-models/mineru)
 - [/docs/introduction/development/custom-models/ollama](/docs/introduction/development/custom-models/ollama)
 - [/docs/introduction/development/custom-models/xinference](/docs/introduction/development/custom-models/xinference)
 - [/docs/introduction/development/design/dataset](/docs/introduction/development/design/dataset)