Microsoft MarkItDown —— 微软出的文档转 Markdown 工具

一句话总结

把各种格式的文件（PDF、Word、PPT、Excel、图片、音频、YouTube 视频等）转换成 Markdown，方便喂给 LLM 做分析。

核心能力

亮点

1. LLM 友好 —— 输出是 Markdown，token 效率高，LLM 天生懂
2. 结构保留 —— 不只是纯文本，标题层级、列表、表格、链接都保留
3. MCP 支持 —— 提供 Model Context Protocol 服务器，可以接入 Claude Desktop 等
4. 插件系统 —— 支持第三方插件（比如 markitdown-ocr 用 LLM Vision 做 PDF 图片 OCR）
5. Azure Document Intelligence —— 可选接入微软的文档智能服务

基本用法

Copy

# 安装
pip install 'markitdown[all]'

# 命令行
markitdown file.pdf -o output.md

# Python API
from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("file.pdf")
print(result.text_content)

对你有什么用？

• 批量处理 PDF/Word 文档喂给 LLM 做知识库
• 把 PPT 转成 Markdown 方便做笔记/分享
• 提取 YouTube 视频字幕做内容分析
• 图片 OCR + 结构化的文档处理

一句话：文档 → Markdown → LLM 的标准化流水线。

地址：

https://github.com/microsoft/markitdown