MarkItDown

把文件转成 LLM 读得懂的 Markdown。它看重的是结构而不是还原度：标题、列表、表格和链接会保留，版面排布则舍弃。覆盖的格式包括 PDF、Word、PowerPoint、Excel、HTML、CSV、JSON、XML、EPub，带 EXIF 与 OCR 的图片，经过语音识别的音频，以及会逐个展开内容的 zip 包。它首先是个命令行工具，markitdown report.pdf > report.md 就够用，也支持从标准输入接管道。各格式的依赖可以单独装，也可以用 all 一次装齐。项目由微软维护，并写明转换会沿用调用进程的权限，处理不可信输入时应挑范围最窄的那个转换函数。