一键把 Word、PDF、PPT 全转成 Markdown！微软开源的 AI 时代文档处理神器

还在为把会议纪要、产品文档、合同扫描件喂给大模型而头疼？MarkItDown 是微软开源的轻量级 Python 工具，专为 AI 时代设计——它能把 Word、Excel、PPT、PDF、甚至 Outlook 邮件等数十种办公文件，高保真、结构化地转换成干净易读的 Markdown 格式。告别手动复制粘贴、格式错乱和 OCR 失败，让原始文档真正成为 LLM 可理解、可检索、可推理的高质量上下文。

核心功能

• 全格式覆盖：原生支持 .docx、.xlsx、.pptx、.pdf（含扫描件 OCR）、.eml、.msg、.html、.txt 等 15+ 种常见文档类型，连 OneNote 笔记也能解析
• 语义化结构保留：自动识别标题层级、列表、表格、代码块、图片占位符和超链接，转换后的 Markdown 不仅“能用”，更“好读、好调”
• 零临时文件，流式处理：全新 v0.1+ 架构直接读取二进制流（如 BytesIO），不生成中间临时文件，更安全、更高效，特别适合 Web 服务或隐私敏感场景
• 开箱即用的 CLI + 编程 API：一条命令就能批量转换整个文件夹；Python 开发者也可轻松集成到 LangChain、LlamaIndex 或自研 RAG 流程中
• 深度对接 AI 生态：内置 MCP（Model Context Protocol）服务器，开箱支持 Claude Desktop、Cursor 等新一代 AI 编程工具，让本地文档秒变智能助手的知识源
• 模块化依赖，按需安装：PDF 解析、Office 支持、OCR 引擎等能力拆分为可选插件组（如 [pdf]、[office]、[ocr]），避免臃肿，节省资源

适合哪些人用

这款工具不是给极客看的玩具，而是真正解决现实痛点的生产力杠杆：AI 应用开发者用它快速构建企业知识库的文档预处理流水线；技术写作与产品经理将需求文档、PRD 自动同步为 Git 友好的 Markdown；科研人员与学生把论文 PDF、实验报告一键转为可标注、可引用的结构化笔记；数字化办公团队批量归档历史邮件、会议记录，接入内部 ChatBI 或智能客服系统——只要你的工作流里有“文档 → AI”的环节，MarkItDown 就是那个沉默却关键的翻译官。

快速上手

安装只需一行命令（推荐安装全功能版）：
pip install "markitdown[all]"
转换单个文件：
markitdown input.docx -o output.md
批量处理整个文件夹（含子目录）：
markitdown ./docs/ --recursive --output-dir ./md-output/
Python 中调用更灵活：
from markitdown import MarkItDown
m = MarkItDown()
result = m.convert("report.pdf")
print(result.text)

项目信息

编程语言：Python｜GitHub Star 数：99,180｜开源协议：MIT｜GitHub 项目地址

这是微软 AutoGen 团队出品、已被全球数千个 RAG 和智能办公项目验证的工业级工具——不是概念 Demo，而是每天在真实生产环境中默默处理 TB 级文档的可靠伙伴。