markitdown-converterlisted

# MarkItDown Converter（文档转 Markdown SOP） 本技能定义了使用 MarkItDown 进行文档格式转换的标准流程。安装后，PDF、Office、图片等格式均可一键转为干净 Markdown。 ## 前置安装 检测到未安装时自动安装，无需手动操作： ```powershell pip install markitdown ``` > 基础版支持 PDF/docx/pptx/xlsx/html。如需图片 OCR、音频转录、ZIP 提取等高级功能，额外装 `[all]` 扩展版。 ## 输出文件路径约定 转换后的 .md 文件默认输出规则： - **Agent A环境** → 与源文件同级目录，文件名不变 + `.md` 后缀 - 例：`F:\报告\季度总结.pptx` → `F:\报告\季度总结.md` - 如需指定其他输出目录，由使用者通过 `-o` 参数显式传入 ## 使用方式 ### 方式一：命令行（最快） ```powershell markitdown 文件路径.pdf -o 输出路径.md markitdown "F:\报告\季度总结.pptx" -o "F:\输出\季度总结.md" ``` ### 方式二：Python 调用（适合嵌入工作流） ```python from markitdown import MarkItDown md = MarkItDown() result = md.convert("文件.pdf") # result.text_content 就是 Markdown ``` ### 方式三：LLM 增强（图片中的流程图也能识别） ```python from markitdown import MarkItDown from openai import OpenAI client = OpenAI() md = MarkItDown(llm_client=client, llm_model="gpt-4o") result = md.convert("季度汇报.pptx") # PPT 中的流程图/架构图会被 AI 描述为文字嵌入 Markdown ``` ## 转换执行流程 ### Step 1: 检查并安装依赖 ```powershell pip show markitdown ``` 如未安装，自动执行： ```powershell pip install markitdown ``` 装完再次验证安装成功。 ### Step 2: 确认源文件 - 检查文件存在 - 确认文件格式受支持（PDF/docx/pptx/xlsx/csv/json/html/xml/zip/图像/音频） ### Step 3: 执行转换 - 命令行模式：直接调 `markitdown` 命令 - 嵌入模式：写临时 Python 脚本执行 ### Step 4: 验证结果 - 检查输出的 .md 文件是否存在（路径遵循上方约定） - 快速预览文件头几行确认格式正确 - 确认标题层级、列表、链接被保留 ### Step 5: 交付 - 输出文件路径告知用户 - 或自动将内容写入 Vault / 缓存供后续使用 ## 适用场景 - 同事发来 Word 周报 → 转 Markdown 记入知识库 - 客户给的 PDF 方案 → 转 Markdown 让 Agent 分析 - 会议录音转文字文本 → 转 Markdown 整理笔记 - PPT/Excel 数据