Merge pull request #3019 from myhloli/dev

Dev

docs/zh/quick_start/docker_deployment.md

@@ -18,6 +18,7 @@ docker build -t mineru-sglang:latest -f Dockerfile .
 Mineru的docker使用了`lmsysorg/sglang`作为基础镜像，因此在docker中默认集成了`sglang`推理加速框架和必需的依赖环境。因此在满足条件的设备上，您可以直接使用`sglang`加速VLM模型推理。
 > [!NOTE]
 > 使用`sglang`加速VLM模型推理需要满足的条件是：
+> 
 > - 设备包含Turing及以后架构的显卡，且可用显存大于等于8G。
 > - 物理机的显卡驱动应支持CUDA 12.6或更高版本，`Blackwell`平台应支持CUDA 12.8及更高版本，可通过`nvidia-smi`命令检查驱动版本。
 > - docker中能够访问物理机的显卡设备。
@@ -58,9 +59,11 @@ wget https://gcore.jsdelivr.net/gh/opendatalab/MinerU@master/docker/compose.yaml
   ```bash
   docker compose -f compose.yaml --profile mineru-api up -d
   ```
-  在浏览器中访问 `http://<server_ip>:8000/docs` 查看API文档。
+  >[!TIP]
+  >在浏览器中访问 `http://<server_ip>:8000/docs` 查看API文档。
 - 启动 Gradio WebUI 服务：
   ```bash
   docker compose -f compose.yaml --profile mineru-gradio up -d
   ```
-  在浏览器中访问 `http://<server_ip>:7860` 使用 Gradio WebUI 或访问 `http://<server_ip>:7860/?view=api` 使用 Gradio API。
+  >[!TIP]
+  >在浏览器中访问 `http://<server_ip>:7860` 使用 Gradio WebUI 或访问 `http://<server_ip>:7860/?view=api` 使用 Gradio API。

docs/zh/usage/advanced_cli_parameters.md

@@ -46,10 +46,12 @@
 
 > [!TIP]
 > 以下是一些可能的使用场景：
+> 
 > - 如果您有多张显卡，需要指定卡0和卡1，并使用多卡并行来启动'sglang-server'，可以使用以下命令： 
 >   ```bash
 >   CUDA_VISIBLE_DEVICES=0,1 mineru-sglang-server --port 30000 --dp-size 2
 >   ```
+>   
 > - 如果您有多张显卡，需要在卡0和卡1上启动两个`fastapi`服务，并分别监听不同的端口，可以使用以下命令： 
 >   ```bash
 >   # 在终端1中

docs/zh/usage/index.md

@@ -15,15 +15,15 @@ MinerU内置了命令行工具，用户可以通过命令行快速使用MinerU
 # 默认使用pipeline后端解析
 mineru -p <input_path> -o <output_path>
 ```
-- `<input_path>`：本地 PDF/图片 文件或目录
-- `<output_path>`：输出目录
+> [!TIP]
+> - `<input_path>`：本地 PDF/图片 文件或目录
+> - `<output_path>`：输出目录
+> 更多关于输出文件的信息，请参考[输出文件说明](./output_file.md)。
 
 > [!NOTE]
 > 命令行工具会在Linux和macOS系统自动尝试cuda/mps加速。Windows用户如需使用cuda加速，
 > 请前往 [Pytorch官网](https://pytorch.org/get-started/locally/) 选择适合自己cuda版本的命令安装支持加速的`torch`和`torchvision`。
 
-> [!TIP]
-> 更多关于输出文件的信息，请参考[输出文件说明](./output_file.md)。
 
 ```bash
 # 或指定vlm后端解析