MarkItDown教程：微软开源文档转Markdown工具破10万星

Microsoft MarkItDown总Stars已突破10万，却依然在GitHub Trending周榜上榜上有名（本周+8,202星）。这个工具把非结构化文件（PDF、Word、PPT、Excel、图片等）转成可用的Markdown文本，说明LLM生态对"把文件变成AI可读"的需求远未被满足。

核心能力

MarkItDown支持PDF、Word（.docx）、PowerPoint（.pptx）、Excel（.xlsx）、HTML、图片（OCR）、音频（转录）等格式转Markdown。保留标题层级、表格、列表结构，适合直接喂给LLM做RAG。支持自定义插件扩展解析能力。

安装使用

pip install markitdown
# CLI使用
markitdown input.pdf > output.md
# Python SDK
from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("input.docx")
print(result.text_content)

应用场景

企业知识库建设：批量把文档转Markdown导入向量数据库。AI编程辅助：把需求文档、设计文档转成AI可读格式。数据分析：Excel转Markdown后让LLM分析。内容创作：从PPT提取文字内容二次加工。

对文档处理工具感兴趣？阅读LearnPrompt教程，或了解Harness工程实践。