markitdown

markitdown

学习格式转换

微软开源的 Python 工具，能把 PDF、Office、图片、音频、HTML、ZIP、YouTube 等各种文件转成 Markdown，专为喂给 LLM 和文本分析流水线用。

相关skill
快速使用 GitHub 地址 
npx skills add https://github.com/microsoft/markitdown --skill markitdown
Skill简述
  • 微软开源的文档转 Markdown 工具，PDF、Word、Excel、PPT、图片、音频、HTML、YouTube 链接、压缩包、EPUB 都能丢进去转成结构化 Markdown，主要喂给 LLM 和 RAG 用。
  • 在 Agent 里输入 /markitdown，把文件路径或链接交给它就行；普通用户 pip install 'markitdown[all]' 后跑 markitdown xxx.pdf > out.md，也能直接当 Python 库 md.convert() 调用。
  • 优点是格式覆盖广、Office 文档结构保留不错、依赖按需拆分、还能挂 OCR 插件和 Azure 云端提取
  • 缺点是 PDF 排版还原拉胯（OpenDataLoader 评测里标题层级得分 0，表格 0.27），复杂的扫描件、多栏 PDF、.doc 老格式基本不顶用，需要 OCR 的功能得自己配 llm_client。