math-extractor

Math Extractor 是一項專為研究人員、學生及學者設計的代理技能，旨在從複雜的文檔中隔離正式的數學結構。通過自動提取定義、定理、引理、命題和證明，該工具簡化了構建數學數據集、講義或參考資料庫的過程。它支持多種文件格式，包括 PDF、Markdown、LaTeX 和純文本，確保在提取過程中完整保留數學符號與邏輯結構。

• 利用 MinerU 技術進行高保真的 PDF 到 Markdown 轉換。

• 具備智能分段功能，可保持段落與數學公式的完整性。

• AI 驅動的數據清洗，可自動移除圖像、目錄和冗長的參考文獻，大幅優化 Token 消耗。

• 內建數學符號保護機制，通過白名單過濾標籤，防止數學不等式與符號在處理過程中丟失。

• 自動編碼檢測，支持 UTF-8、GBK 和 Latin-1，確保對全球文檔格式的兼容性。

• 使用前需配置 API 金鑰（如 OpenAI 或 DeepSeek），PDF 轉換過程可選擇性配置 MinerU。

• 輸出結果為自動生成的 _extracted.md 文件，方便後續引用與編輯。

• 適用於批量處理大型技術論文或教材，將繁瑣的手動提取工作自動化。

• 內建 API 重試機制，可應對網絡不穩定導致的請求失敗，保證處理流程的穩定性。

• 最佳適用場景為結構清晰的正式數學文獻，能夠高效地將散亂內容轉化為結構化知識。