vLLM本地部署教程：高性能大模型推理引擎怎么搭
什么是MarkItDown
MarkItDown是微软开源的文档转换工具，将PDF、Word、Excel、PowerPoint、HTML等格式一键转换为Markdown。13万Star，是AI时代最流行的文档预处理工具。
支持格式
| 输入格式 | 输出 | 保留元素 |
|---|---|---|
| Markdown | 文字、表格、图片描述 | |
| Word (.docx) | Markdown | 标题、段落、表格、图片 |
| Excel (.xlsx) | Markdown表格 | 单元格数据、公式结果 |
| PowerPoint | Markdown | 幻灯片文字、备注 |
| HTML | Markdown | 正文、链接、图片 |
| 音频 | Markdown | 语音转文字（需Whisper） |
一、安装
pip install markitdown
# 或安装完整版（含所有依赖）
pip install 'markitdown[all]'二、命令行使用
# 单文件转换
markitdown report.pdf > report.md
# Word转Markdown
markitdown proposal.docx > proposal.md
# Excel转Markdown表格
markitdown data.xlsx > data.md
# 批量转换
for f in *.pdf; do
markitdown "" > ".md"
done三、Python API
from markitdown import MarkItDown
md = MarkItDown()
# 转换PDF
result = md.convert("report.pdf")
print(result.text_content)
# 转换Word
result = md.convert("proposal.docx")
print(result.text_content)
# 转换并直接喂给AI
from openai import OpenAI
client = OpenAI()
result = md.convert("contract.pdf")
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": "你是法律顾问，分析以下合同"},
{"role": "user", "content": result.text_content}
]
)提示：MarkItDown是 LangChain RAG 系统的最佳文档预处理工具，转换后的Markdown可以直接切片存入向量数据库。
四、实用场景
- RAG知识库：企业文档批量转Markdown→切片→向量数据库
- AI分析：PDF报告转Markdown后喂给AI做分析
- 文档迁移：Word文档库迁移到Markdown Wiki
- 数据提取：从Excel/PDF中提取结构化数据