ThinkParse 1.1.0 开源发布 企业级可扩展文档解析服务

做 RAG、知识库、智能问答，第一步往往是把 PDF、Word、扫描件变成结构化 Markdown。MinerU 的解析质量有目共睹，但直接在生产环境跑 MinerU，问题不少：大文件一解析就 OOM，几百页 PDF 直接卡死；同步 HTTP 请求超时，批量任务没法排队；API 和 Worker 绑在一起，扩容、升级、故障恢复都很痛苦；本地磁盘存结果，多机部署时文件对不上。

ThinkParse 要补的就是这一层：在 MinerU 之上，提供稳定、可扩展、可运维的 HTTP 解析服务。

一、ThinkParse 是什么？

ThinkParse 是 Think 系列产品中的开源文档解析层，与 ThinkWiki（个人知识库）、ThinkDoc（企业知识库）、ThinkExtract（数据抽取平台）并列。定位很清晰：可插拔后端 + 稳定 HTTP API。当前内置 MinerU 3.4 作为解析引擎，后续计划支持 Docling 等；上层业务只对接 ThinkParse，不跟具体引擎耦合。

核心架构是 API / Worker 完全解耦：

客户端 → FastAPI（轻量 API）→ Redis 队列 → Celery Worker（MinerU / MarkItDown）→ 本地或 S3 存储

• API 服务接收文件、提交任务、查询状态
• Worker 服务专注文档解析，可独立水平扩展
• Redis消息队列 + 结果缓存
• 存储抽象本地文件系统或 S3/MinIO，支持分布式部署

MIT 开源，Docker 一键部署，Python 3.10+。

二、新版本升级了什么？

ThinkParse 1.1.0（2026-06-24）是项目从 MinerU-API 正式更名为 ThinkParse 后的首个版本发布，重点在品牌统一、引擎升级和生产稳定性。

1. 归入 Think 系列，品牌统一

项目从 MinerU-API 更名为 ThinkParse，与 ThinkWiki、ThinkDoc、ThinkExtract 形成同一产品族。Docker 服务名（mineru-api、mineru-worker 等）保持不变，现有部署配置可直接沿用。

2. 解析引擎升级到 MinerU 3.4.0

解析内核从 MinerU 2.x 升级到 3.4.0，带来新一代 OCR 模型（如 PP-OCRv6）和更优的版面分析。公式识别、表格识别、多语言（中/英/日/韩等）继续开箱即用。升级后需重建 Worker 镜像（cd docker && sh build.sh），模型会在构建过程中自动下载。

3. 生产环境兼容性修复

修复 MinerU 3.4.0 在子进程场景下重载 worker/tasks.py 时触发的 MINERU_DEVICE_MODE KeyError，避免 Worker 在特定部署模式下异常退出。

三、生产级部署会用到哪些能力

以下能力随 ThinkParse 1.0.0 起即已提供，1.1.0 在 MinerU 3.4 引擎之上继续可用。

1. 大 PDF 自动分页解析

超过阈值（默认 100 页）的大 PDF，Worker 会自动分块解析再合并结果，降低内存溢出风险。阈值和分块大小可配置，也支持 API 参数显式开关：

curl -X POST "http://localhost:8000/api/v1/tasks/submit" 
  -F "file=@large_document.pdf" 
  -F "backend=pipeline" 
  -F "lang=ch" 
  -F "enable_pagination=true"

几百页的合同、年报、论文，不必再赌一把能不能跑完了。

2. 双 API，兼容两种集成方式

同步 API（/file_parse）兼容 MinerU 官方格式，提交即等结果，适合脚本、小文件、快速验证：

curl -X POST "http://localhost:8000/file_parse" 
  -F "files=@document.pdf" 
  -F "backend=pipeline" 
  -F "lang_list=ch" 
  -F "return_md=true"

异步队列 API（/api/v1/tasks/*）提交任务拿 task_id，轮询或回调获取结果，适合生产批量、长任务、高并发：

# 提交
curl -X POST "http://localhost:8000/api/v1/tasks/submit" 
  -F "file=@document.pdf" -F "lang=ch"
# 查询
curl "http://localhost:8000/api/v1/tasks/{task_id}"

两种接口并存，现有 MinerU 客户端可无缝迁移。

3. 运维与扩展

• 优先级队列紧急任务优先调度
• 任务重试与故障恢复Worker 挂了，任务不丢
• 队列监控/api/v1/queue/stats 实时看积压
• 自动清理服务过期输出定期回收，磁盘不会越堆越满
• S3 兼容存储MinIO / AWS S3，API 和 Worker 可分机部署
• CPU / GPU Worker开发用 CPU，生产上 GPU，COMPOSE_PROFILES 一行切换

4. 多格式全覆盖

一套 API，PDF 扫描件和 Office 文档都能走。

四、谁适合用 ThinkParse？

• RAG / 知识库开发者ThinkDoc、ThinkExtract 的上游解析层，文档入库前统一走 ThinkParse
• AI 应用团队需要稳定的文档→Markdown 微服务，不想自己维护 MinerU 进程
• 数据处理 / 中台团队批量解析合同、研报、标书，异步队列 + S3 存储正好匹配
• 个人开发者 / 研究者Docker 四步启动，本地调试 MinerU 能力，零配置上手

五、只需四步启动，5 分钟跑通

前置： Docker + Docker Compose（GPU 环境需 NVIDIA 驱动）

# 1. 复制配置
cp .env.example .env
cd docker && cp .env.example .env
# 2. 选择 Worker 类型（docker/.env）
COMPOSE_PROFILES=redis,mineru-cpu   # 开发推荐 CPU
# COMPOSE_PROFILES=redis,mineru-gpu # 生产推荐 GPU
# 3. 构建镜像
cd docker && sh build.sh
# 4. 启动
docker compose up -d
# 验证
curl http://localhost:8000/api/v1/health

浏览器打开 Swagger 交互文档，地址 http://localhost:8000/docs ，可直接试 API。

六、和 Think 生态怎么配合？

ThinkParse 是 Think 系列的解析基础设施：

原始文档 → ThinkParse（结构化 Markdown）→ ThinkDoc（知识库）/ ThinkExtract（数据抽取）→ Agent 对话 / 检索

文档解析这一环开源、标准化之后，上层知识库产品可以专注入库、图谱、Agent 交互，而不是重复造 MinerU 部署的轮子。

七、开源共建

ThinkParse 基于 MinerU，并参考了 mineru-tianshu 构建，站在优秀开源项目之上，MIT 协议发布。

• 项目：https://github.com/wzda vid/ThinkParse
• 文档：中英文 README + 部署、配置、API 示例、故障排除全套文档

如果你在做文档智能、知识库或 RAG，欢迎 Star、Fork，或在 Issue 里提需求。Docling 等新后端的支持已在路线图中。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：ThinkParse 1.1.0 开源发布 企业级可扩展文档解析服务要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题