📘 概述

MathBookQuestionExtract 是一个用于从数学教材 PDF 中提取问题和相关图片内容的算子。它将 PDF 转换为图片，使用 MinerU 进行内容提取，然后组织图片并使用多模态大语言模型（VLM）分析内容，最终生成包含问题和图片的 JSON 和 Markdown 文件。

__init__函数

def __init__(self, llm_serving: APIVLMServing_openai, prompt_template = None)

参数名	类型	默认值	说明
llm_serving	APIVLMServing_openai	必需	视觉语言模型服务实例，用于执行内容分析与提取。
prompt_template	PromptABC	MathbookQuestionExtractPrompt()	提示词模板对象。若不提供，则使用默认的 MathbookQuestionExtractPrompt。

Prompt 模板说明

Prompt 模板名称	主要用途	适用场景	特点说明

run函数

def run(self, pdf_file_path: str, output_file_name: str, output_folder: str, MinerU_Backend: str = "vlm-sglang-engine", dpi: int = 300, api_url: str = "http://123.129.219.111:3000/v1", key_name_of_api_key: str = "DF_API_KEY", model_name: str = "o4-mini", max_workers: int = 20)

执行算子主逻辑，处理输入的 PDF 文件，并生成提取结果。

参数

名称	类型	默认值	说明
pdf_file_path	str	必需	待处理的数学教材 PDF 文件路径。
output_file_name	str	必需	输出文件的主名称（不含扩展名），将用于生成的 JSON 和 Markdown 文件。
output_folder	str	必需	用于存放所有输出结果（包括中间文件和最终文件）的文件夹路径。
MinerU_Backend	str	"vlm-sglang-engine"	MinerU 工具使用的后端类型。
dpi	int	300	PDF 页面转换为图片时的分辨率。
api_url	str	"http://..."	VLM 服务的 API 地址。
key_name_of_api_key	str	"DF_API_KEY"	存储 API 密钥的环境变量的名称。
model_name	str	"o4-mini"	使用的 VLM 模型名称。
max_workers	int	20	最大并行工作线程数。

🧠 示例用法

🧾 默认输出格式（Output Format）

该算子会在指定的 output_folder 中生成两个主要文件：一个 JSON 文件和一个 Markdown 文件。

文件类型	文件名	说明
JSON	{output_file_name}.json	包含提取的文本和相关图片路径的结构化数据。
Markdown	{output_file_name}.md	包含提取的文本和内嵌图片的可读 Markdown 文件。

示例输出 JSON (<output_file_name>.json)：

[
    {
        "text": "1. 如图，在△ABC中，∠C=90°，∠A=30°.\n(1)作AB的垂直平分线DE，交AC于点D，交AB于点E；",
        "pics": [
            "/path/to/output_folder/images/0.jpg"
        ]
    },
    {
        "text": "(2)连接BD，求证：BD平分∠CBA.",
        "pics": []
    }
]

示例输出 Markdown (<output_file_name>.md)：

1. 如图，在△ABC中，∠C=90°，∠A=30°.
(1)作AB的垂直平分线DE，交AC于点D，交AB于点E；

![](images/0.jpg)

---
(2)连接BD，求证：BD平分∠CBA.
---