math-extractor

Math Extractor 是一项专为研究人员、学生及学者设计的代理技能，旨在从复杂的文档中隔离正式的数学结构。通过自动提取定义、定理、引理、命题和证明，该工具简化了构建数学数据集、讲义或参考资料库的过程。它支持多种文件格式，包括 PDF、Markdown、LaTeX 和纯文本，确保在提取过程中完整保留数学符号与逻辑结构。

• 利用 MinerU 技术进行高保真的 PDF 到 Markdown 转换。

• 具备智能分段功能，可保持段落与数学公式的完整性。

• AI 驱动的数据清洗，可自动移除图像、目录和冗长的参考列表，大幅优化 Token 消耗。

• 内建数学符号保护机制，通过白名单过滤标签，防止数学不等式与符号在处理过程中丢失。

• 自动编码检测，支持 UTF-8、GBK 和 Latin-1，确保对全球文档格式的兼容性。

• 使用前需配置 API 密钥（如 OpenAI 或 DeepSeek），PDF 转换过程可选择性配置 MinerU。

• 输出结果为自动生成的 _extracted.md 文件，方便后续引用与编辑。

• 适用于批量处理大型技术论文或教材，将繁琐的手动提取工作自动化。

• 内建 API 重试机制，可应对网络不稳定导致的请求失败，保证处理流程的稳定性。

• 最佳适用场景为结构清晰的正式数学文献，能够高效地将散乱内容转化为结构化知识。