KnowFlow v1.0.0 终于迎来了众多群友期待的功能点：接入 MinerU 2.0。为什么我们第一时间决定要接入 MinerU 2.0，这里有几点考虑：

• • 原先 KnowFlow 是通过 Python 直接调用 MinerU 1.x 的 API 接口，部署成本较高，架构设计高度耦合，不利于扩展

• • 社区同学反馈 MinerU 2.0 vlm-sglang 效果非常好，解决了原先文档 OCR 过程中存在的一系列问题，效果逐渐逼近付费 OCR 效果

• • KnowFlow 始终坚持的一点：高准确率，这个功能点可大幅提升文档识别和解析效果

 

同时近期也和 RAGFlow 官方产品经理做了深度沟通，产品经理高度肯定了 KnowFlow 产品的出发点和价值，也欢迎更多的朋友支持 RAGFlow 的发展。

MinerU 2.0 功能简介

MinerU 2.0 共支持三种部署模式，这里我们直接放官方示例图：

 

pipeline 模式

pipeline 模式简单理解就是 MinerU 1.x 的功能，MinerU 2.0 相当于做了向下兼容。这种模式配置要求最低，本地 MAC 开发开启了 mps 模式后，pipeline 跑起来速度还是令人惊喜。

vlm-transformers 模式

该模式使用 HuggingFace transformers 库直接加载和运行视觉语言模型，实现端到端的文档理解。实测真的很慢，配置要求挺高，存在 vlm-sglang 模式前提下，不建议采用此模式。

vlm-sglang 模式

vlm-sglang 包含两种子模式：

• • vlm-sglang-engine

  • • 架构：本地 SGLang 引擎集成

  • • 性能：通过 SGLang 加速，在单卡 NVIDIA 4090 上可达 10,000+ tokens/s 吞吐量

  • • 硬件要求：需要 24GB+ VRAM

• • vlm-sglang-client

  • • 架构：远程 SGLang 服务器客户端连接

  • • 部署方式：支持分布式处理，客户端仅需 CPU 和网络连接

  • • 服务器配置：使用自定义的 SGLang 服务器

对于 KnowFlow 来说，本次 vlm-sglang 支持 vlm-sglang-client。

KnowFlow v1.0.0 功能简介

考虑后续可能会对接更多的 OCR 引擎， KnowFlow v1.0.0 本次架构设计采用 FastAPI 和 MinerU2.0 进行对接。

MinerU 2.0 Web API

截止到发稿日为止，MinerU 2.0 仍未推出官方的 Web API 服务。KnowFlow 在原先 MinerU 1.x 的基础上适配了 Web API ，并将源码开放，方便后续持续升级和维护 MinerU 最新版本以及自定义改造。

 

该 Web API 服务和独立于 KnowFlow 单独使用，符合组件化设计思想。

同时项目中提供了 demo 文件、测试脚本、解析后的结构化数据样例等，方便后续的测试联调。

考虑到部分用户用不到 vlm-sglang 模式，KnowFlow 提供了两个镜像：

• • zxwei/mineru-api-full：包含完整的 VLM 功能，支持所有后端类型

• • zxwei/mineru-api：基础版本，主要支持 pipeline 后端

其中 mineru-api 镜像体积较小，适合不需要本地开发，而只是简单本地体验用户；mineru-api-full 适合生产环境，保证足够强的解析效果。

 

考虑到部分开发者觉得镜像体积太大，只需要本地开发联调，我们贴心的提供了本地 MinerU2.0 web api 部署方式。这样的话，就无需拉取体积巨大的镜像了。

# 1. 安装 Python 依赖（注意：zsh 需要用引号包围方括号）
pip install "mineru[core]" fastapi uvicorn python-multipart

# 2. 设置环境变量
export MINERU_DEVICE_MODE=cpu
export MINERU_MODEL_SOURCE=modelscope

# 3. 进入项目目录
cd web_api

# 4. 启动本地服务
python app.py

KnowFlow Client

有了 MinerU2.0 Web API 的服务端，对于 KnowFlow client 端，我们提供了非常简单的配置参数，可以很方便的指定解析模式以及配置相关参数。

# =======================================================
# MinerU 文档解析配置 (客户端配置)
# =======================================================
mineru:
# FastAPI 客户端配置
  fastapi:
    # FastAPI 服务地址
    # 本地开发: http://localhost:8888
    # Docker部署: http://host.docker.internal:8888 (Docker Desktop)
    #           或 http://宿主机IP:8888 (Linux Docker)
    #           或 http://mineru-api:8888 (Docker Compose网络)
    url: "http://host.docker.internal:8888"
    
    # HTTP 请求超时时间（秒）
    timeout: 30000

# 默认使用的后端类型
# 选项: pipeline, vlm-transformers,  vlm-sglang-client
  default_backend: "pipeline"

# Pipeline 后端请求参数
  pipeline:
    # 解析方法: auto, txt, ocr
    parse_method: "auto"
    
    # 文档语言（提升OCR准确率）
    lang: "ch"
    
    # 是否启用公式解析
    formula_enable: true
    
    # 是否启用表格解析
    table_enable: true

# VLM 后端配置
  vlm:
    sglang:
      # SGLang 服务器地址（vlm-sglang-client 后端需要）
      # Docker部署时同样需要使用宿主机IP或容器网络地址
      server_url: "http://host.docker.internal:30000"

实测过程中，强烈推荐大家采用 vlm-sglang-client 模式，该模式速度上比 vlm-transformers 提高了很多倍，当然显存占用大点，我实测单卡 48 G 显存 500KB PDF 文件，解析速度大概在 5s 左右。

项目开发过程中，有一个细节值得提出来：pipeline 和 vlm-sglang-client MinerU 2.0 官方模型吐出来的数据协议竟然有差别，这个问题真诡异，建议 MinerU 2.0 后续予以统一。

KnowFlow 未来展望

至此，MInerU 2.0 接入告一段落，后续将会重新和大家一起将 RAGFlow 源码深度解读， 围绕我们日常关心的功能点，如知识图谱、元数据、Tag、分块原理、混合检索原理等。

读源码的过程中才能更加深入理解 RAGFlow 产品细节，才能逐渐的从适应它到掌控它。

有部分同学关于 KnowFlow 前端 UI 源码开源的事，后面我们也会把前端代码开源出来，让更多的人参与进来，设计出更友好的交互体验。

 

为了让更多的人了解 KnowFlow ，最后一个计划是准备在 B 站和抖音给大家科普下本项目部署和使用的一些细节。

交流联系

本项目代码已完全开源，欢迎关注「KnowFlow 企业知识库」，加入交流群，一起沟通交流。

写了这么多，也想分享下本周的一些感受。身体不知道是阳了还是怎么的，顶着发烧，头昏脑涨，把这个版本如期发出去了。

有人问，你开源这个项目，能赚钱么？

说实话，没赚到一分，那为什么还在做？

我始终认为：输出一些有价值的东西出去，和更多的人产生交流和联系，获得一部分人的认可，这就足够了。