微软开源 MarkItDown，把文档转成 Markdown 供 LLM 使用

mdancho84 · x · 2026-07-28

微软开源了 MarkItDown，这是一个轻量级 Python 库，目标是把 PDF、Office 文档、图片、音频、HTML 和各类文本格式转换成适合 LLM 使用的 Markdown。

从项目说明看，它主打的是尽量保留文档结构，而不是追求给人看的高保真排版。仓库截图还显示它已经提供 MCP（Model Context Protocol）服务器，方便接入 Claude Desktop 这类应用。当前支持的输入包括 PDF、PPT、Word、Excel、带 EXIF/OCR 的图片、带转录的音频、HTML、CSV/JSON/XML、ZIP 文件等；输出则可以是文件、管道、API 响应、纯文本、元数据和 LLM 描述。