为什么想把文档转成 Markdown我手上积了一堆文档项目的需求说明是 Word老系统的设计文档是 PDF培训材料是 PPT。最近想把这些东西整理进一个用 Markdown 管理的知识库顺便也方便丢给大模型问问题。理由很直接Markdown 是纯文本能全文搜、能用 Git 管版本、喂给 AI 还省 token。而那些 Word、PDF 摆在那里既不好搜也不好二次利用。试了一圈把能用的几种方法记一下给同样有需要的人省点时间。方法一markitdown微软开源最省心这是我现在的主力。微软 AutoGen 团队开源的 Python 工具专门干一件事——把各种文件转成 Markdown。装起来很简单有个 Python 环境就行pip install markitdown[all]用法就一行markitdown 需求说明.docx -o 需求说明.md它覆盖的格式很全PDF、Word、PPT、Excel、图片带 OCR、HTML、CSV、JSON甚至音频转写、YouTube 字幕都能搞。而且全程本地跑不往外传文件这点对工作文档很重要。实测一个几十页的 Word几秒钟出结果标题、列表、表格基本都还原了偶尔有些复杂排版会丢点格式但正文内容都在。如果是批量转一个目录下的文件写个循环就行对运维场景特别友好。方法二pandoc老牌跨格式能力强pandoc 是这个领域的老前辈了号称文档界的瑞士军刀。它最大的优势是格式互转能力极强Markdown、Word、HTML、LaTeX、EPUB 之间基本都能互转。pandoc 设计文档.docx -o 设计文档.md它的缺点是对 PDF 的支持比较弱——PDF 本质上是排版描述不是结构化文本pandoc 提取 PDF 文字效果一般复杂表格基本没戏。另外它的输出风格偏原汁原味有时候会带一堆我不需要的元信息得再清理一下。适合那种已经在 Markdown 和其他格式之间来回倒的场景。方法三直接让大模型转如果只是转一两份不长的文档最偷懒的办法是直接把内容贴给大模型让它输出 Markdown。这种办法的好处是智能——它能理解文档结构把乱七八糟的排版理顺成干净的标题和列表甚至能顺手改错字。坏处也明显长文档容易超上下文、内容要经过云端敏感文档别这么干、批量转不现实。我一般拿它处理那种格式乱到工具转出来没法看的小文档当最后一道清理工序。方法四在线转换网站搜docx to markdown能搜出一堆。优点是零安装拖进去就出结果缺点是文件要上传到别人服务器工作文档我是不敢用而且免费版经常有大小限制或水印。适合转一些不敏感、一次性的小文件。怎么选简单总结下我自己目前的搭配大批量、多格式、要本地跑——markitdown首选已有 Markdown 要和其他格式互转——pandoc个别格式很乱的小文档——丢给大模型清理临时、不敏感的单文件——在线网站。实际用下来90% 的活 markitdown 都能 cover剩下 10% 用大模型补刀。这套组合对我够用了。转换完的 .md 文件再配一个能渲染的阅读工具阅读和检索体验比翻原始文档好太多——这也是我愿意花一次性力气把它们都转过来的原因。