简介
MarkItDown 是微软开源的文件转换工具，把 PDF、Word、Excel、PPT、图片、音频等多种格式统一转成 Markdown，特别适合作为喂给 LLM 的预处理步骤。
核心功能
- 多格式支持：PDF、Office、图片、HTML 等
- 结构化输出：保留标题、列表与表格
- LLM 友好：清洗为适合大模型的文本
- 双形态：Python 库与命令行
- 开箱即用：安装即可转换
适用场景
- 构建 RAG 前的文档清洗
- 批量把资料转成可检索文本
- LLM 应用的数据预处理
- 文档归档与格式统一
优缺点
优点：
- 微软出品，质量可靠
- 覆盖主流文档格式
- 与 LLM 工作流契合
缺点：
- 复杂版式还原度有限
- 需要 Python 环境与依赖
