claude-agent-sdk mineru-parser-skill发票识别

claude-agent-sdk mineru-parser-skill发票识别

不谈玄学，只讲落地。
我是一名深耕算法工程化一线的实践者，擅长将 新技术、关键技术、AI/ML 技术从论文和 demo 转化为可规模化部署的生产系统。在这里,你看不到堆砌公式的理论空谈,只有真实项目中踩过的坑、趟过的路,每一篇文章都源自实战经验的提炼。我相信技术的价值在于解决真实问题,而不是制造焦虑。如果你也厌倦了"收藏即学会",渴望掌握让算法真正跑起来的硬核能力,那么这里就是你的技术补给站。

摘要

在 AI 驱动的文档处理领域，Claude Agent SDK 和 MinerU 的结合提供了一个解决方案。Claude Agent SDK 的 Skills 功能让 AI 能够调用外部工具和服务，而 MinerU 提供文档解析能力，支持 OCR 和 VLM（视觉语言模型），可提取 PDF、Word、PPT 等文档中的文本、表格、公式和结构化内容。
通过将 MinerU 封装为 Claude Agent SDK 的 Skill，实现了从文档 URL 到结构化 Markdown 的端到端自动化流程。用户只需提供文档链接和自然语言指令，Claude AI 就能自动调用 MinerU API 完成解析、状态轮询和结果提取，最终生成结构化数据。该方案适合发票处理、合同分析、学术论文提取等场景，降低了技术门槛，提升了处理效率和准确性。

核心亮点

• 智能化工作流：Claude Agent SDK 的 Skills 机制让 AI 能够自主决策何时调用 MinerU，实现智能化文档处理
• 强大的解析能力：MinerU 支持 OCR 和 VLM 双模型，能够处理复杂布局、手写文字、数学公式等多种内容
• 异步流式处理：基于异步编程模型，支持实时反馈和进度追踪，提升用户体验
• 零代码集成：通过 Skills 配置即可完成集成，无需编写复杂的 API 调用逻辑
• 结构化输出：自动将文档内容转换为 Markdown 格式，便于后续分析和处理

用户指令 → Claude Agent SDK → MinerU Skill → MinerU API → 结构化 Markdown

mineru-pareser发票识别

官方文档

https://platform.claude.com/docs/en/agent-sdk/python

获取mineru-parser skills

https://github.com/nilecui/mineru-parser-skills

git clone https://github.com/nilecui/mineru-parser-skills.git

python -m venv venv
source venv/bin/activate
(venv) nilecui@DESKTOP-28RSMOM:~/demo/mineru-parser-skills$ pip install -r requirements.txt

注册mineru服务

需要申请，这里需要等待几分钟，会发送邮箱通知：

然后创建秘钥就可以了，记得保存秘钥！

运行demo脚本

# 导入秘钥
export MINERU_API_KEY= *******
python demo.py

启动过程

模型用的glm-4.7, 相关配置可参考上篇文章：claude-code 国产glm替代方案,
有时候很快大概20几步就出现了结果，有时达到了70多个请求；可能和我设计的skills有关，如果再加上python脚本，估计就省掉了再创建python脚本的过程，希望大家多提技巧。

结果

参考：
https://platform.claude.com/docs/en/agent-sdk/python
https://github.com/nilecui/mineru-parser-skills