ieeU 2.0.0

将Markdown中的图片链接替换为VLM生成的描述性文本

ieeU - PDF智能解析工具

一键将PDF文件解析为Markdown，并使用VLM将图片替换为描述性文本。

功能特性

• PDF解析：调用MinerU云端API将PDF转换为Markdown
• 图片描述：使用VLM（视觉语言模型）生成图片的文字描述
• 一键处理：单条命令完成PDF→Markdown→图片描述替换的完整流程

安装

pip install ieeU

或从源码安装：

pip install -e .

快速开始

1. 配置API

在 ~/.ieeU/settings.json 中配置：

{
    "endpoint": "https://openrouter.ai/api/v1/chat/completions",
    "key": "your-vlm-api-key",
    "modelName": "google/gemini-3-flash-preview",
    "mineruToken": "your-mineru-token"
}

获取 MinerU Token：访问 mineru.net 注册并获取API Token。

2. 处理PDF

ieeU process paper.pdf

输出：paper.md（与PDF同目录）

命令行接口

ieeU --help                    # 显示帮助信息
ieeU --version                 # 显示版本号

# 主要命令：处理PDF文件
ieeU process paper.pdf              # 处理PDF，输出到同目录
ieeU process paper.pdf -o ./output  # 指定输出目录
ieeU process paper.pdf --verbose    # 详细输出模式

# 向后兼容：处理已有的Markdown文件
ieeU run                       # 处理当前目录的full.md文件
ieeU run --verbose             # 详细输出模式

配置文件

必填项

字段	说明
endpoint	VLM API端点URL
key	VLM API密钥
modelName	VLM模型名称
mineruToken	MinerU API Token（process命令必需）

可选项

字段	说明	默认值
timeout	请求超时（秒）	60
retries	重试次数	3
maxConcurrency	最大并发数	5

环境变量

可覆盖配置文件：

• IEEU_ENDPOINT
• IEEU_KEY
• IEEU_MODEL
• IEEU_MINERU_TOKEN

输出示例

处理前（PDF中的图片）：

![](images/figure1.jpg)
Figure 1 shows the architecture.

处理后：

```figure 1
This figure illustrates the overall architecture of the system, 
showing three main components connected by data flow arrows...
```

Figure 1 shows the architecture.

开发

安装开发依赖

pip install -e ".[dev]"

运行测试

pytest tests/

构建发布包

pip install build
python -m build
twine check dist/*

发布到PyPI

# 构建
python -m build

# 发布
twine upload dist/*

支持的VLM

• OpenAI GPT-4V
• Google Gemini (via OpenRouter)
• Anthropic Claude (via OpenRouter)
• 其他OpenAI兼容的API

License

MIT License