沿着兴趣，发现项目。

microsoft/markitdown

MarkItDown

微软开源的轻量级多格式文档转 Markdown 工具，为 LLM 与 RAG 管道提供结构化文本提取。

MarkItDown 是微软 AutoGen 团队开发并维护的开源 Python 工具，采用 MIT 协议，当前 GitHub 星标超过 105k，最新版本为 v0.1.5（2026 年 2 月发布）。它支持 PDF、Word、PowerPoint、Excel、图片、音频、HTML、EPUB 等 15 种以上文件格式，将其转换为结构化的 Markdown 文本。其核心设计目标是让 LLM 和文本分析工具能以最高效的方式“阅读”非文本文件，输出为机器可消费的结构化文本，而非人类可读的高保真转换。工具采用可插拔的 Converter 架构，每种格式对应独立转换器，核心库仅依赖 Python 标准库，其他功能通过可选依赖按需安装。v0.1.0 之后支持流式处理，不创建临时文件。基础转换不依赖 LLM，但可选用 LLM 增强图片描述与 OCR 功能。此外，项目提供 MCP 服务器，便于 AI 客户端直接调用。