夜雨聆风GitHub热点: anydoc把文档秒变Markdown喂给AI
想让AI读你的文档？它得先变成Markdown。就这一步，卡住了无数人。
今天的故事
最近做AI应用的人都有个体会：喂给大模型的东西，最好是干净的Markdown。模型读Markdown最顺、最不容易胡编。
可现实是，你的资料堆在Word、PPT、Excel、PDF里。要把它们变成AI能"咽下去"的Markdown，太折磨人了。
我自己踩过这几个坑：
- 复制粘贴
：从Word拷一段带表格的文字到纯文本，表格散架、换行乱套，AI读完理解错位。 - 在线转换网站
：上传一份合同PDF，转是转完了，可里面好几页是扫描件，出来的Markdown一堆乱码。更要命的是--合同是保密的，我图省事传到陌生网站，事后后脊背发凉。 - PDF解析库
：换个库，速度慢得能去泡杯咖啡，一份50页报告转完要十几秒。 还有个老哥的吐槽特别真实："我让Claude直接读PDF，它说'这页是图片我看不清'，我让它用OCR，识别完错别字比我原文还多。"
文档转Markdown这事，看着不起眼，实际是"喂AI"流水线里最碍事的卡点。
然后我刷GitHub，发现有个项目8天涨了一万五千星，专治这个。它叫：anydoc。
这是什么
anydoc是Firecrawl团队开源的文档转换库，用Rust写的，把Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDF这些常见办公文档，统统转成干净的GitHub风格Markdown。
一句话理解它：不管什么格式进去，出来都是同一套干净的Markdown，而且是个位数毫秒。
来头不小：它就是Firecrawl Parse的底层引擎。Firecrawl是做网页和文档抓取的老牌玩家，这套转换逻辑早经过大规模实战。现在单独抽出来开源，star数1.5万，8天涨出来的，正处在爆发期。许可证MIT，商业随便用。
为什么它火：先把痛点说透
文档转Markdown这事，难在三个地方，anydoc都精准踩中了：
- 1. 格式太碎
Word有Word的标记、PPT有PPT的结构、PDF有PDF的坑。市面上很多工具是"一种格式一个库"，拼凑起来又乱又慢。anydoc统一吃下七种格式，吐出一致的Markdown，省掉你"对格式选库"的麻烦。
- 2. 速度太慢
Python系转换工具（比如微软的MarkItDown）够好用，但处理大文件、批量转换时，Python的速度就是天花板。anydoc用Rust写，官方说法是个位数毫秒一篇--快到什么程度？批量转几百份文档，你眨完眼它已经转完了。
- 3. 隐私过不去
这点对很多场景是命门。你的合同、财报、客户资料，敢不敢传到云端转换？anydoc能编译成WebAssembly，直接在浏览器里跑--文件根本不离开你的电脑。这一点，多少在线转换工具都做不到。
核心设计：Rust内核 + 全平台绑定
它的架构挺干净：
- Rust核心
：所有格式解析、Markdown生成都在Rust里完成，又快又稳。 - 多语言绑定
：Node.js、Python、Rust原生、浏览器WASM，四种方式调同一个内核。不管你技术栈是啥，都能接。 - CLI + Agent技能
：命令行能直接用，还能装成AI Agent的技能--你的Claude Code、Cursor遇到文档，自己就知道调anydoc来读。 最让我眼前一亮的是浏览器本地转换。它的官网有个在线demo，传个文件上去，转换全在你本地浏览器跑（WebAssembly），文件不上传服务器。对敏感文档来说，这"本地"两个字值千金。
怎么上手：三种姿势
门槛很低，按你的场景选：
- 姿势一：命令行一把梭
（不想写代码） npx @firecrawl/anydoc report.docx # 直接输出Markdown npx @firecrawl/anydoc slides.pptx -o slides.md # 存成文件 npx @firecrawl/anydoc - --format csv < data.csv # 从标准输入读npx第一次会自动下对应平台的二进制，之后就能直接用。想常驻命令，全局装： npm install -g @firecrawl/anydoc。 - 姿势二：Python里调
（最常用） import anydoc # 从文件路径转 markdown = anydoc.to_markdown("report.docx") # 从字节转，格式自动识别 markdown = anydoc.to_markdown_bytes(data)- 姿势三：装成Agent技能
（让AI自己会读文档） npx skills add firecrawl/anydoc装完，Claude Code、Codex、Cursor这些Agent遇到文档，自己就会用anydoc转了。这步对"做AI工作流"的人是惊喜--省掉你手写文档预处理。
适合谁
- 做RAG和知识库的
：文档要先转Markdown切块再喂向量库，anydoc把这步从"卡脖子"变"顺手"。 - 处理敏感文档的
：合同、财报、病历--浏览器本地转换，不外传。 - 要批量转的
：Rust的个位数毫秒，几百上千份文档扛得住。 - 用Claude Code或Cursor做AI编程的
：装成技能，AI自己会读文档，不用你手动预处理。 不太适合：偶尔转一两份、不在意隐私和速度的--在线工具凑合用就行，没必要装。
真实感受（我说的，非Firecrawl）
聊几点判断：
- 第一，"文档转Markdown"是被低估的刚需。
大家光盯着模型多强，可真正落地时，七成卡点在数据准备。anydoc把这条最碍事的缝补上，难怪涨这么快。 - 第二，Rust加多语言绑定这套路子，正成为工具类项目标配。
核心用Rust求性能，再包出Python、Node、浏览器绑定求生态。既要又要，anydoc是个干净范本。 - 第三，"本地转换"是真护城河。
隐私这事儿，企业不是不懂，是没好工具。anydoc把"不传云端"做成开箱即用，这比快更戳人。 当然也得说句公道话：它读不了扫描版PDF（那得靠OCR），官方自己也讲清楚--这类页面可以接它的Firecrawl Parse托管API。文档里没藏着掖着，这点反而更让人信。
今日金句
喂AI这件事，胜负不在模型多聪明，在你给它吃的料干不干净。 今日挑战
挑一份你手头吃灰的文档，试试anydoc：
- 入门
： npx @firecrawl/anydoc 你的文件.docx，看看转出来的Markdown干不干净 - 进阶
：写个Python脚本，把一个文件夹里的Word全转成Markdown - 挑战
：去官网demo传份敏感文档，感受"文件不离开浏览器"的踏实 转一次才有感觉，光看README体会不到个位数毫秒的爽。
GitHub链接
项目地址：https://github.com/firecrawl/anydoc
在线体验：https://firecrawl.github.io/anydoc/
官网：https://firecrawl.dev
