添加 MinerU 离线 Markdown 工具和知识库工作流模板

tools/kbwf_mineru_local_markdown/README.md

@@ -0,0 +1,86 @@
+# MinerU 本地 PDF 入库工作流模板
+
+## 简介
+
+**MinerU 本地 PDF 入库工作流模板** 是一个面向知识库构建场景的工作流模板。它调用本地离线部署的 MinerU（Gradio 服务）解析用户上传的 PDF，直接获取 Markdown 文本，并在 MaxKB 内继续完成文档分段和知识库入库。
+
+该模板适合无法访问公网 API、需要本地私有化部署、或者只需要文本入库而不要求图片上传 OSS 的场景。
+
+## 工作流能力
+
+- 接收用户上传的 PDF 文件
+- 调用本地 MinerU 服务完成 PDF 转 Markdown
+- 直接使用 Markdown 文本进入文档分段节点
+- 将分段结果写入指定知识库，完成 RAG 入库
+
+## 前置条件
+
+1. 已离线部署 MinerU（Gradio 服务）
+
+参考：
+https://opendatalab.github.io/MinerU/zh/quick_start/docker_deployment/
+
+2. 在 MaxKB 容器内安装依赖并授权临时目录
+
+```bash
+# 到 maxkb 容器内安装 gradio_client
+docker exec -it maxkb bash
+pip install gradio_client
+
+# 如果安装 gradio_client 提示 huggingface-hub 版本冲突，则使用 pip 的兼容性模式，同时安装兼容版本
+pip install gradio_client huggingface-hub==0.34.0
+
+# 授权 tmp 目录的访问操作权限
+chmod 777 /tmp
+```
+
+## 工作流结构
+
+该模板通常包含以下几个核心节点：
+
+1. 开始节点：接收用户上传的 PDF 文件
+2. MinerU 离线 PDF 转 Markdown 工具：调用本地 MinerU 解析文档
+3. 文档分段节点：对 Markdown 文本进行切分
+4. 知识库写入节点：将切分后的结果写入知识库
+
+## 关键参数
+
+### MinerU 工具节点输入参数
+
+| 参数名 | 类型 | 必填 | 说明 |
+| --- | --- | --- | --- |
+| `file_input` | Array / Object | ✅ | 开始节点传入的文件对象 |
+| `url_prefix` | String | ✅ | MaxKB 基础地址前缀，用于拼接文件下载地址 |
+| `mineru_gradio_url` | String | ✅ | 本地 MinerU Gradio 服务地址 |
+| `gradio_retry_count` | Integer | ❌ | Gradio 调用失败时的重试次数 |
+| `max_convert_pages` | Integer | ❌ | 最大处理页数 |
+| `timeout` | Integer | ❌ | 下载与解析超时时间，单位秒 |
+
+### 启动参数示例
+
+| 参数名 | 示例值 |
+| --- | --- |
+| `url_prefix` | `http://192.168.11.114:8080/admin` |
+| `mineru_gradio_url` | `http://192.168.11.114:7860/` |
+| `gradio_retry_count` | `2` |
+| `max_convert_pages` | `500` |
+| `timeout` | `600` |
+
+## 使用说明
+
+1. 导入该 `kbwf` 模板到 MaxKB
+2. 确认工具节点中的 `url_prefix` 与 `mineru_gradio_url` 填写正确
+3. 按需设置 `gradio_retry_count`、`max_convert_pages`、`timeout`
+4. 上传测试 PDF 文件
+5. 检查工具节点输出中的 `content`
+6. 确认文档分段与知识库写入结果正常
+
+## 注意事项
+
+- 该模板依赖本地 MinerU 服务可访问，不能直接替代在线 MinerU API 工作流
+- 该模板输出以 Markdown 文本为主，不包含图片上传 OSS 的处理链路
+- 如果 PDF 文件较大或内容复杂，建议调大 `timeout` 并确认容器临时目录可写
+
+## 关联工具
+
+- `tool_mineru_local_markdown`：本工作流依赖的核心工具

tools/kbwf_mineru_local_markdown/data.yaml

@@ -0,0 +1,5 @@
+name: MinerU 本地 PDF 入库工作流模板
+tags:
+  - 知识库模板
+title: 基于本地离线 MinerU 解析 PDF 为 Markdown，并完成文档分段与知识库入库
+description: 基于本地离线部署的 MinerU，将单个 PDF 解析为 Markdown 文本，再通过 MaxKB 工作流完成文档分段和知识库入库，适用于内网环境与离线部署场景。

tools/tool_mineru_local_markdown/README.md

@@ -0,0 +1,88 @@
+# MinerU 离线 PDF 转 Markdown
+
+## 简介
+
+**MinerU 离线 PDF 转 Markdown** 用于在 MaxKB 工作流中调用本地离线部署的 MinerU（Gradio 服务）解析 PDF，并直接返回 Markdown 文本，方便后续执行文档分段、入库、RAG 等处理。
+
+与 ZIP 结果流不同，本工具不进行 ZIP 打包、不上传 OSS，输出更轻量，适合内网环境或仅需文本结果的场景。
+
+## 核心能力
+
+- 调用本地离线部署的 MinerU 服务解析 PDF
+- 直接输出 Markdown 文本，便于下游节点继续处理
+- 支持配置重试次数、最大处理页数与超时时间
+
+## 前置条件
+
+1. 已离线部署 MinerU（Gradio 服务）
+
+参考：
+https://opendatalab.github.io/MinerU/zh/quick_start/docker_deployment/
+
+2. 在 MaxKB 容器内安装依赖并授权临时目录
+
+```bash
+# 到 maxkb 容器内安装 gradio_client
+docker exec -it maxkb bash
+pip install gradio_client
+
+# 如果安装 gradio_client 提示 huggingface-hub 版本冲突，则使用 pip 的兼容性模式，同时安装兼容版本
+pip install gradio_client huggingface-hub==0.34.0
+
+# 授权 tmp 目录的访问操作权限
+chmod 777 /tmp
+```
+
+## 参数说明
+
+### 输入参数
+
+| 参数名 (`Key`) | 类型 | 必填 | 说明 | 示例 |
+| --- | --- | --- | --- | --- |
+| `file_input` | Array / Object | ✅ | MaxKB 文件对象，通常为上游节点输出的文件列表或字典 | `{{start.file_list}}` |
+
+### 启动参数
+
+| 参数名 (`Key`) | 类型 | 必填 | 说明 | 默认值 |
+| --- | --- | --- | --- | --- |
+| `url_prefix` | String | ✅ | MaxKB 基础地址前缀，用于拼接文件下载地址 | `http://192.168.11.114:8080/admin` |
+| `mineru_gradio_url` | String | ✅ | 本地 MinerU Gradio 服务地址 | `http://192.168.11.114:7860/` |
+| `gradio_retry_count` | Integer | ❌ | Gradio 调用失败时的重试次数 | `2` |
+| `max_convert_pages` | Integer | ❌ | 最大处理页数，用于限制单次解析范围 | `500` |
+| `timeout` | Integer | ❌ | 下载与解析超时时间，单位秒 | `600` |
+
+## 输出结果
+
+工具执行成功后返回 `Array[Object]`，长度为 1。示例：
+
+```json
+[
+  {
+    "status": "completed",
+    "task_id": "local-xxxxxxxxxxxx",
+    "name": "xxx.pdf",
+    "size": 12345,
+    "uid": 1775184,
+    "content": "# Markdown...",
+    "markdown_raw": "# Markdown(rendered)..."
+  }
+]
+```
+
+字段说明：
+
+- `content`：推荐给下游节点使用的 Markdown 文本
+- `markdown_raw`：MinerU 渲染版 Markdown，便于排查格式问题
+
+## 使用建议
+
+- 如果下游节点只识别 `content`，优先使用 `content`
+- 如果 PDF 页数很多，建议显式设置 `max_convert_pages`
+- 如果网络或本地服务偶发不稳定，可适当调大 `gradio_retry_count`
+- 如果大文件处理耗时较长，建议调大 `timeout`
+
+## 适用场景
+
+- 内网环境下的 PDF 转 Markdown 解析
+- 文档预处理后直接进入知识库分段
+- 工作流中需要轻量文本输出，不需要图片上传与 OSS 回填

tools/tool_mineru_local_markdown/data.yaml

@@ -0,0 +1,5 @@
+name: MinerU 离线 PDF 转 Markdown
+tags:
+  - 内容处理
+title: 调用本地 MinerU 将 PDF 解析为 Markdown 文本
+description: 调用本地离线部署的 MinerU（Gradio 服务）解析 PDF，直接返回 Markdown 文本（不打包 ZIP、不上传 OSS），适用于工作流后续分段、入库与 RAG 处理。