把 PDF/Word/PPT/Excel 扔给大模型之前，先试试这个微软开源神器

把 PDF/Word/PPT/Excel 扔给大模型之前，先试试这个微软开源神器

你有没有过这种经历：手里一堆 PDF 年报、Word 合同、PPT 课件、Excel 报表，想喂给 ChatGPT/Claude 做分析，结果要么报错文件太大，要么只抽出几段零散文字，表格结构全丢了。

微软最近开源了一个叫 MarkItDown 的 Python 工具，专门解决这个痛点。它的作用很纯粹：把各种文件一键转成干净、结构完整的 Markdown，让大模型秒读、省 Token、人类也能直接看。

支持的文件格式特别全：PDF、Word、PowerPoint、Excel、图片（含 OCR）、音频（含语音转写）、HTML、CSV、JSON、ZIP，甚至 YouTube 链接都能转。转换后不是生硬抽文字，而是保留标题层级、列表、表格、链接这些结构，AI 读起来基本无障碍。

上手极简单：

pip install 'markitdown[all]'
markitdown 年度报告.pdf > report.md

一行命令就把 PDF 变成可读的 Markdown。支持按需安装依赖，只想转 PDF 就 pip install 'markitdown[pdf]'，非常轻量。

对做 AI 应用的人来说，它还有个隐藏好处：Markdown 比 PDF/Word 省太多 Token 了。把文档转成 Markdown 再塞进 prompt，成本直接砍一截。

如果你经常跟文档打交道，又想把它们喂给大模型，MarkItDown 值得装一个。微软出品，Apache 2.0 协议，无负担。

GitHub 地址：https://github.com/microsoft/markitdown

GitHub: https://github.com/microsoft/markitdown