同事用10分钟把100页PDF变成了精排文档，我研究了半天发现她偷偷用了微软这个免费工具

上周开会，同事小张甩出来一份整理好的会议纪要。

格式整齐，层级清晰，连表格都对齐了。

我问她：你搞了多久？

她说：10分钟。

我当时就坐不住了。

因为那份会议纪要的原始材料，是3个PDF文件加上2个Word文档，加起来快100页。

正常整理这些内容，光复制粘贴排版就得半天。

她怎么做到的？

答案是一个微软开源的Python工具——MarkItDown。

今天我就把这套方法完整拆给你看，包括我加的一个小技巧：怎么把AI生成的内容去掉那股"AI味"。

学会了，以后处理文档的效率直接翻倍。

你需要准备什么？

先别怕，这个不需要你是程序员。

只要你会打开命令行（就是那个黑色窗口），照着敲就行。

需要准备的东西就两样：

第一样：Python环境。Mac电脑自带，Windows去python.org下个安装包装上就行。

第二样：一个终端工具。Mac用自带的Terminal，Windows用PowerShell。

没了。真的就这些。

对了，如果你想处理图片里的文字（OCR），还需要装一个叫Tesseract的东西。但这个不是必须的，先跳过也行。

第一步：安装MarkItDown

打开你的终端，输入下面这行命令：

pip install markitdown

回车，等它跑完。

如果没有报错，恭喜你，安装完成了。

就这么简单。

微软做的开源项目，安装包管理做得还不错，基本上不会出什么幺蛾子。

如果报错了，大概率是网络问题——你懂的，某些地区访问Python官方源比较慢。

换成国内镜像源就行，这个百度一下"pip换源"，30秒搞定。

第二步：转换你的第一个文件

假设你桌面上有一个叫"报告.docx"的Word文档。

在终端里输入：

markitdown 报告.docx > 报告.md

回车，一秒钟就完事了。

然后你会发现桌面上多了一个"报告.md"文件，打开一看——

Word里的标题变成了Markdown的#标题，

表格变成了Markdown表格，

图片的位置也标记出来了。

就这么简单？对，就这么简单。

我第一次用的时候也觉得离谱。

以前要把Word转成格式化的文本，要么手动复制粘贴，要么花钱买转换工具。

现在一行命令搞定，还是微软官方出的。

第三步：支持哪些文件格式？

这才是重点——MarkItDown不只是转Word。

它支持一大堆格式：

Word文档（.docx）——完美支持，标题、表格、列表都能转。

PDF文件（.pdf）——支持，但扫描版的PDF效果一般，文字版PDF效果很好。

Excel表格（.xlsx）——能转成Markdown表格，数据一个不丢。

PPT演示（.pptx）——每页幻灯片都能转出来，文字和排版都保留。

HTML网页——直接把网页内容提取成干净的Markdown。

纯文本和CSV——自然支持，不需要额外处理。

甚至还能处理Outlook邮件（.msg）和图片（.jpg/.png，需要配合Tesseract做OCR）。

基本上你在办公室能遇到的文件格式，它都能吃。

这覆盖率，够用了吧？

第四步：批量转换才是杀手锏

一个一个转太麻烦？

写个简单的脚本，批量处理整个文件夹。

在终端里输入：

for f in *.docx; do markitdown "$f" > "${f%.docx}.md"; done

这行命令的意思是：把当前文件夹里所有Word文档都转成Markdown。

我上周末试了一下，把公司共享盘里87个会议纪要全转了。

耗时：不到2分钟。

如果手动复制粘贴？我算了一下，一个文档平均5分钟，87个就是7个多小时。

2分钟对7小时，你自己算这个效率提升。

而且转出来的Markdown格式非常统一，不会有手动操作时"这个忘了加粗""那个表格歪了"的问题。

第五步：把AI味去掉

转出来的Markdown，如果还需要用AI进一步处理（比如总结、改写），就会遇到一个问题。

AI改写出来的文字，总有一股"AI味"。

什么"值得注意的是""让我们来看看""总而言之"——一看就是AI写的。

GitHub上最近有个项目叫stop-slop，专门解决这个问题的。

它的原理很简单：给AI一个"品味指南"，告诉它什么该写、什么不该写。

比如禁止使用那些AI常说的套话，要求用更口语化、更有个人风格的表达。

安装也很简单，但这个需要配合你用的AI工具（比如Claude、ChatGPT）。

核心思路是：在给AI的指令里加上约束——

"不要用'值得注意的是''让我们''总而言之'这些词。"

"用朋友聊天的语气写，不要用书面语。"

"可以偶尔吐槽，不要太正经。"

就这么几个简单的约束，AI输出的内容质量立刻不一样了。

我从"一看就是AI写的"变成了"哎，这个写得还行嘛"。

这个小技巧，是我最近用得最多的。

效果对比

进阶技巧

基础用法会了，再教你几个隐藏玩法。

技巧1：配合AI做文档摘要。

先用MarkItDown把文档转成Markdown，然后把Markdown扔给ChatGPT或者Claude，让它帮你做摘要。

这比直接把PDF扔给AI效果好得多——因为Markdown格式AI理解起来更准确。

技巧2：写自动化流水线。

如果你经常需要处理同类文档（比如每周的会议纪要），可以写个脚本自动跑。

设置一个定时任务，新文件放进来就自动转换，转完自动发到你的邮箱或者飞书。

当然，这个需要一点编程基础。

不会写代码也没关系，可以让AI帮你写——你只需要描述清楚需求就行。

技巧3：搭建成知识库。

把转换出来的Markdown文件放到一个统一的文件夹里。

然后用Obsidian或者Notion之类的工具打开——瞬间就有了一个可搜索的文档知识库。

以后找资料不用翻半天文件夹了，直接搜索关键词。

这招是我自己用得最多的，强烈推荐。

泼冷水

说了这么多好处，该说说不好的地方了。

第一，扫描版PDF效果差。

如果你的PDF是扫描件（就是那种用扫描仪扫出来的图片型PDF），MarkItDown转换出来基本是空的。

因为它不能直接识别图片中的文字，需要配合OCR工具。

而OCR的准确率取决于扫描质量，手写的、模糊的基本没戏。

第二，复杂排版会丢失。

多栏排版、嵌套表格、图文混排这些复杂格式，转换后会有信息丢失。

Markdown本身就是一种简洁格式，它不是用来还原复杂排版的。

如果你的文档有很多特殊格式，转换完记得检查一遍。

第三，需要命令行基础。

这可能是最大的门槛了。

虽然只有一行命令，但对完全没用过终端的人来说，打开那个黑色窗口就已经紧张了。

不过说真的，这个门槛真的很低——你会用手机就行。

命令行就是用文字代替手指点屏幕，本质上没什么区别。

第四，不处理图片内容。

文档里的图片，MarkItDown会标记出位置，但不会帮你识别图片里的内容。

如果你的文档里有很多图表和数据可视化，这些信息转换后会丢失。

需要手动处理或者配合其他OCR工具。

值不值得学？

如果你日常工作涉及大量文档处理——每周要整理会议纪要、要转换各种格式的文件、要做资料汇总。

那花30分钟学会这个工具，后面能帮你省几百个小时。

如果你很少处理文档——那看看就行，不需要专门学。

工具这东西，不用的技能就是废技能。

但如果你有哪怕一点点需求，我建议你试试。

因为一旦你体会到"一行命令解决半天工作量"的感觉，你会打开一个新世界。

这不是夸张，是过来人的经验。

好了，今天就到这里。

我是小王，一个帮普通人筛AI工具的安全从业者。

你平时处理文档最头疼的是什么？评论区说说，说不定我能帮你找到更合适的工具。