[Bug]: MinerU unsplit-task mode still queues one task per configured page range

问题场景

在 RAGFlow 中使用 MinerU 作为 layout recognizer 解析 PDF 文档，并且该文档的 Page Ranges 配置了不止一段（例如两行及以上范围）。此时提交解析任务，RAGFlow 会为每一段页码范围分别排队一个任务，而每个任务都会重新上传整份 PDF 到 MinerU API server。

报错原文

[Bug]: MinerU unsplit-task mode still queues one task per configured page range

原因分析

PR #18617 引入 MinerU unsplit-task mode 时，只在 api/db/services/task_service.py 中将 page_size 设为 MAXIMUM_TASK_PAGE_NUMBER，这只收敛了内层循环；外层循环仍然遍历 parser_config["pages"]，因此每个配置的范围都会生成一个任务。

同时 web/src/components/chunk-method-dialog/index.tsx 中的 showPages 只判断文件类型与 chunk method，没有判断 layout recognizer，所以 MinerU 文档的 Page Ranges 仍保持可见，用户添加第二行后 pages 就会包含多个条目。

每个任务都会调用 _run_mineru_api 打开源文件并以 open(pdf_file_path, "rb") 上传整份 PDF，start_page_id 和 end_page_id 仅作为表单字段传递，只影响解析范围，不缩减传输体积。结果就是配置四段范围会上传四次完整 PDF，正好抵消了 #18617 想消除的网络开销。

环境排查

• 确认 RAGFlow 提交版本，Issue 中为源码构建的 4168b3f9df26f76bd91875b5ca04d6d72f4b8f99。
• 确认 Python 版本，Issue 中为 3.13.14。
• 确认操作系统与硬件，Issue 中为 macOS 26.6.2 / Apple M1 Pro。
• 确认目标文档的 layout recognizer 是否为 MinerU。
• 确认该文档的 Page Ranges（parser_config["pages"]）是否配置了多段范围。
• 确认日志中是否同时出现 “MinerU unsplit-task mode” 与实际排队任务数量不一致的情况。

解决步骤

1. 确认你遇到的是同一问题：文档使用 MinerU，且 Page Ranges 中配置了不止一段范围。
2. 升级到修复后的提交 302ada2cd（对应 PR #19183），该 PR 已合入 main。
3. 升级后，queue_tasks 会在 MinerU unsplit-task mode 下将配置的所有页码范围合并为单个任务跨度（api/db/services/task_service.py:511），一次任务即一次上传。
4. 解析阶段由 MinerUParser._select_configured_pages 丢弃落在各范围之间空白页上的结果块。
5. 若暂时无法升级，可优先尝试减少 Page Ranges 段数（例如合并为一段），以降低重复上传次数；这属于规避手段，并非 Issue 中验证过的修复。

验证方法

对配置了多段 Page Ranges 的 MinerU 文档提交解析，观察 MinerU API 侧只收到一次完整 PDF 上传，且排队任务数与 “MinerU unsplit-task mode” 日志相符；解析结果中落在空白页范围的内容已被过滤，仅保留配置范围内的块。

参考来源

infiniflow/ragflow #19180

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。