MarkItDown
用于将文件和办公文档转换为 Markdown 的 Python 工具。
仍在活跃开发：最近 90 天有 104 次提交，最近一次提交在 2026-10-01。
MarkItDown 是一个轻量级 Python 工具，专门将各种文件格式转换为 Markdown，针对 LLM 和文本分析管道进行了优化。该工具由 Microsoft AutoGen 团队开发，支持广泛的文件格式，包括 PDF、PowerPoint、Word、Excel、图像（带 OCR）、音频（带语音转录）、HTML、CSV、JSON、XML、ZIP 文件、YouTube URL 和 EPub 等。与传统的文本提取工具不同，MarkItDown 专注于保留重要的文档结构元素，如标题、列表、表格和链接，同时输出与 LLM 高度兼容的 Markdown 格式。该工具的设计理念是 Markdown 格式对主流 LLM（如 GPT-4）极其友好，因为这些模型在训练中接触了大量 Markdown 文本，能够原生理解和生成 Markdown。此外，Markdown 格式在 token 使用上也很高效。MarkItDown 还提供 MCP（Model Context Protocol）服务器集成，可与 Claude Desktop 等 LLM 应用无缝协作。该工具采用流式处理，不创建临时文件，提高了性能和安全性。
和同类工具的区别
Microsoft 官方面向 LLM 的文档转 Markdown 工具——由 AutoGen 团队开发，支持 MCP 服务器，不同于早于 LLM 时代出现的 textract
主要能力
- 将 15+ 种文件格式转换为 Markdown（PDF、Word、Excel、PPT、图像、音频）
- 保留文档结构（标题、表格、列表、链接）
- 通过 LLM Vision 支持 OCR（markitdown-ocr 插件）
- 音频语音转录
- Azure Document Intelligence 集成
- 用于集成 LLM 应用的 MCP 服务器
- 用于扩展功能的插件系统
- CLI 和 Python API
适合
- 将文档转换为 Markdown，供 RAG 管道中的 LLM 使用
- 面向 AI 文本分析的批量文档处理
不太适合
- 面向人类阅读的高保真文档转换
- 实时文档流式处理
局限
- 输出针对 LLM 优化，而非面向人类的高保真阅读
- OCR 质量取决于所用的 LLM Vision 模型
- 要求 Python 3.10+
- 对复杂布局的格式保留能力有限
MarkItDown 的替代品
- text-extract-api（3,182星）
- Docling：为生成式 AI 准备好文档（6.8 万星）
- unstructured（1.6 万星）
- MegaParse（7,414星）
- MinerU：将 PDF 等复杂文档转换为 LLM 可处理的 markdown/JSON，用于 Agent 工作流。（8.1 万星）
- LLM Sherpa（1,753星）
常见问题
- MarkItDown 是做什么的？
- MarkItDown 是一个轻量级 Python 工具，专门将各种文件格式转换为 Markdown，针对 LLM 和文本分析管道进行了优化。该工具由 Microsoft AutoGen 团队开发，支持广泛的文件格式，包括 PDF、PowerPoint、Word、Excel、图像（带 OCR）、音频（带语音转录）、HTML、CSV、JSON、XML、ZIP 文件、YouTube URL 和 EPub 等。与传统的文本提取工具不同，MarkItDown 专注于保留重要的文档结构元素，如标题、列表、表格和链接，同时输出与 LLM 高度兼容的 Markdown 格式。该工具的设计理念是 Markdown 格式对主流 LLM（如 GPT-4）极其友好，因为这些模型在训练中接触了大量 Markdown 文本，能够原生理解和生成 Markdown。此外，Markdown 格式在 token 使用上也很高效。MarkItDown 还提供 MCP（Model Context Protocol）服务器集成，可与 Claude Desktop 等 LLM 应用无缝协作。该工具采用流式处理，不创建临时文件，提高了性能和安全性。
- MarkItDown 还在维护吗？
- 仍在活跃开发：最近 90 天有 104 次提交，最近一次提交在 2026-10-01。
- MarkItDown 有哪些替代品？
- 和 MarkItDown 最接近的开源替代品有 text-extract-api、Docling、unstructured、MegaParse、MinerU、LLM Sherpa。
- MarkItDown 是开源的吗？
- 是的，MarkItDown 是开源项目，代码托管在 GitHub 上。
星数、提交和发版数据来自 GitHub API，每天自动刷新。介绍文字由 AI 从英文翻译，并经过第二个模型的回译校对。 项目地址：github.com/microsoft/markitdown