中/EN
资源库
资源库

MarkItDown：微软出品的文档转 Markdown 工具，给 LLM 用

微软 AutoGen 团队出品，PDF/PPT/Word/Excel/图片 OCR/音频转录/HTML/CSV/YouTube 转 Markdown。LLM 原生懂 Markdown + token 高效。RAG/知识库/agent 文档处理利器。

发布于 2026年7月25日3 分钟阅读
<!-- markitdown-resource | resource | MarkItDown 文档转 Markdown -->

MarkItDown 是什么：把各种文件转成 Markdown 给 LLM 用

MarkItDown 是微软出的轻量 Python 工具，把各种文件转成 Markdown，用于 LLM 和文本分析流水线。专注保留文档结构（标题、列表、表格、链接等）转成 Markdown。微软 AutoGen 团队出品。

支持格式

  • PDF
  • PowerPoint
  • Word
  • Excel
  • 图片（EXIF 元数据 + OCR）
  • 音频（EXIF + 语音转录）
  • HTML
  • 文本格式（CSV、JSON、XML）
  • ZIP（遍历内容）
  • YouTube URL
  • EPub
  • 更多

为什么转 Markdown

Markdown 接近纯文本，标记最少，但仍能表达文档结构。主流 LLM（如 GPT-4o）原生"说"Markdown，训练了大量 Markdown 文本，理解得好。Markdown 还高度 token 高效（省钱）。

怎么用

Python 3.10+，建议虚拟环境：

bash
python -m venv .venv
source .venv/bin/activate
pip install markitdown

命令行：

bash
markitdown input.pdf > output.md

Python API：

python
from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("input.pdf")
print(result.text_content)

适合谁

  • RAG/知识库搭建：把企业文档（PDF/Word/PPT）批量转 Markdown 喂给 LLM 或向量库。
  • 内容站：把多格式素材统一成 Markdown 再处理。
  • AI agent：agent 读取文档前先用 MarkItDown 转成 LLM 友好格式。

安全注意

MarkItDown 以当前进程权限做 I/O（像 open()/requests.get()），会访问进程能访问的资源。不可信环境要清洗输入，用最窄的 convert_* 函数（如 convert_stream()、convert_local()）。

开源地址：https://github.com/microsoft/markitdown

相关文章