MarkItDown

ファイルをLLMが読めるMarkdownに変換します。狙いは見た目の再現ではなく構造の保存で、見出しやリスト、表、リンクは残り、ページのレイアウトは落とします。対応形式はPDF、Word、PowerPoint、Excel、HTML、CSV、JSON、XML、EPub、EXIFとOCRを読む画像、音声認識を通すオーディオ、そして中身を一つずつたどるzipまで。まずコマンドラインツールなのでmarkitdown report.pdf > report.mdで済み、標準入力から流し込むこともできます。形式ごとの依存は必要なものだけ、あるいはall指定でまとめて入れられます。管理はMicrosoftで、変換が呼び出し元プロセスの権限をそのまま使うため、信頼できない入力には最も範囲の狭い変換関数を選ぶよう明記しています。