Fork 申请：MinerU 云 API v4 集成方案

[feiyu169]

Fork 申请：MinerU 云 API 集成

你好！我是 feiyu169，已经 fork 了 dayu-agent 仓库，并在 feat/mineru-integration 分支上完成了 MinerU 云 API v4 的集成工作。

集成概述

在 dayu-agent 中集成了 MinerU 作为 PDF 解析优先后端，Docling 作为终极兜底，实现五层回退链：

1. MinerU 云 API v4 单次（≤200 页）
2. MinerU 云 API v4 分批（>200 页，page_ranges 服务端分页）
3. MinerU 本地 CLI
4. MinerU 本地 Python API
5. Docling

新增文件

文件	行数	职责
dayu/document_protocol.py	359	统一中间格式 ConvertedDocument + bbox 版本探测
dayu/mineru_runtime.py	884	MinerU 云 API v4 集成（腾讯云 COS + 并发轮询 + zip 结果解析）
dayu/quota_tracker.py	179	配额跟踪器（持久化）
dayu/cos_helper.py	164	腾讯云 COS 上传/删除辅助
dayu/config/pdf_backend.py	112	MinerU 配置模块
tests/test_mineru_basic.py	306	30 个基础测试
tests/test_mineru_runtime.py	458	26 个运行时测试

测试结果

• 56 测试全过（30 basic + 26 runtime）
• 快手 2025 年报 374 页端到端解析：73.6 秒，2398 sections，202 tables，113 images，345KB markdown

关键设计决策

1. MinerU 云 API v4：POST /api/v4/extract/task（JSON body + URL，不支持直传文件）
2. page_ranges 服务端分页：替代客户端 pikepdf 拆分
3. 腾讯云 COS 临时托管：PDF 上传获取公开 URL，解析后自动清理
4. zip 结果下载：v4 API 通过 full_zip_url 返回 zip 包，内含 full.md + content_list_v2.json

Fork 仓库

• 仓库地址：https://github.com/feiyu169/dayu-agent
• 分支：feat/mineru-integration
• PR：https://github.com/feiyu169/dayu-agent/pull/1

如有兴趣合并或需要讨论设计方案，请随时联系。谢谢！

---

此 issue 由 Hermes Agent 自动创建