文档秒变 Markdown！开源神器 anydoc | 这速度杠杠的

事情是这样的。

昨天整理客户发来的一份方案，Word 格式，八十多页，我想丢给 AI 让它帮忙总结。结果呢，拖进去一问，回答驴唇不对马嘴。问题出在哪？出在文档本身，AI 读不懂那个格式。

这不是我一个人的痛。做内容的人、做知识库的人、搞 RAG 的人，谁没被「把办公文档喂给 AI」这件事恶心过。复制粘贴，格式全乱，表格变天书。转成 PDF 再提取，排版照样稀碎。在线转换网站？文件传到别人服务器上，合同谁敢传。

直到我刷到一个项目，anydoc，来自 Firecrawl。8 月 3 号才创建，十来天就冲到了 1.5 万 Star。干什么的？一句话讲完，把 Word、PPT、Excel、PDF、EPUB、RTF、CSV 这些办公文档，统一秒变干净的 Markdown，官方中位转换时间不到 5 毫秒。

这速度，杠杠的。

01 我先说个我实测的结果

我这人有个毛病，看到工具先动手，不先看介绍。anydoc 装起来确实简单，一条命令的事，我拿自己电脑上真实的工作文件测了一遍。

一份 31KB 的 Word 汇报材料，转出来 3.7 毫秒。一份 43KB 的 PPT 立项汇报，1.5 毫秒。一份 50KB 的 Excel 资料整理表，3.9 毫秒。我连测五轮取中位数，跟官方宣称的 4.4 毫秒基本对上了。什么概念呢，就是你刚按下回车，结果已经出来了，快到你都没感觉到它存在。

转出来的东西我也看了，质量确实能打。Word 里的标题层级完完整整，一级标题、二级标题、正文段落，全给你归置得明明白白，中文标点一个不丢。Excel 更惊艳，一张十几列的大表直接变成 Markdown 表格，单元格里的换行、特殊符号都保留着，拿来就能用。

当然也有翻车的时候。我拿一份扫描版的 PDF 去转，它直接给我弹回来一句话，这文件没有可提取的文字，4 页扫描件，需要 OCR，转头就走。这个后面细说，不是它不行，是边界你得知道。

02 为什么是 Markdown，凭什么这么快

先聊个可能很多人没想过的问题。为什么是 Markdown，不是 HTML，不是 PDF？

你想想人类这四十多年是怎么造文档的。打字机时代，字敲上去就是结果。后来有了 Word，有了「所见即所得」，你看到什么，打印出来就是什么，字体、颜色、间距、阴影，全是视觉。文档是写给眼睛看的，这是当年最高的设计标准。

但 AI 不这么看东西。AI 不读像素，AI 读结构。它需要知道哪行是标题、哪段是列表、哪格是表头，才能理解你在说什么。你精心调的五号宋体和段前段后间距，在 AI 眼里全是噪音。

Markdown 恰好就是那个「只有结构、没有视觉」的语言。标题就是井号，列表就是杠杠，表格就是竖线，干净得像一份电报。所以当大模型时代来临，Markdown 悄悄成了 AI 世界的通用语，几乎所有知识库、笔记软件、Agent 工具链，底层都认它。

那 anydoc 凭什么这么快？这里面有个很反直觉的设计。

DOCX、PPTX、XLSX 看着是三种完全不同的文件，其实底层都是 Office Open XML，坦率的讲，就是一堆 XML 的压缩包。anydoc 用 Rust 写，拿到文件先按字节内容识别真实格式，不看扩展名，然后把每种格式都解析进同一个统一的 Document 模型，最后走同一个 Markdown 渲染器输出。

这个设计妙在哪？妙在它省掉了所有重步骤。不启动 LibreOffice，不下载几 GB 的模型权重，不把每页渲染成图片，不调外部 OCR。对普通办公文件来说，主要工作就是解压、解析 XML、输出文本。路径短，所以快。纯 Rust、无模型、无服务，所以稳。

按字节识别格式这个细节我很喜欢。你把一个 PDF 改后缀名成 .docx 丢给它，它照样认得出来，PDF 头在那摆着呢。你硬盘里那些乱七八糟的老文件，扩展名错了、混着 RTF 和 PDF，它全给你按内容归位。这属于防呆设计，懂的人知道这有多省心。

03 它在解决一个被 AI 放大了十倍的老问题

有人可能觉得，转格式嘛，老工具多了去了，pandoc、LibreOffice、MarkItDown，凭什么是它火。

我把官方那份基准测试翻来覆去看了好几遍，有意思。100 份真实文档、14 种格式，七个工具一起比，anydoc 是唯一一个覆盖全部 14 种格式的，质量分 81，第二名的 MarkItDown 只支持 6 种格式、65 分。速度上更是碾压，MarkItDown 中位 134.8 毫秒，anydoc 4.4 毫秒，差出三十倍。LibreOffice 更惨，一秒钟转一份，质量分才 40。

这个质量分怎么来的？官方用 Claude Sonnet 5 当裁判，把每份文档前六页渲染成图片当标准答案，让裁判盲测对比两个工具的输出，一共 482 次判定，还正反各评一遍消除顺序偏差。这个测法比自说自话扎实多了。

但我想说的不是榜单。我想说的是，为什么一个转换工具能在一周内冲到 1.5 万 Star。

因为文档解析这件事，被 AI 放大成了基础设施。你想想现在所有 AI 工作流的第一步是什么，把人类的内容变成 AI 能读的文本。做企业知识库，几百份 Word 制度、Excel 数据、PPT 培训材料要统一喂进向量库。做 Agent，模型要读合同、读报表、读产品手册。做个人知识管理，PDF、EPUB 要转成 Markdown 进 Obsidian。这些场景的第一步，全是格式转换。

以前文档是给人看的，排版花哨是加分项。现在文档还要给 AI 看，而 AI 只认结构化文本。于是「把任意格式变成干净 Markdown」从一个小工具，变成了任何 AI 工作流的第一公里。这一公里卡住，后面全卡住。这一公里通了，后面全是坦途。

一个被 AI 放大了十倍的老问题，这才是它爆火的真正原因。

04 一家做爬虫的公司，为什么要开源这个

这里我要聊一个更有意思的事。Firecrawl 是干嘛的？它是做网页抓取的，把整个网站爬下来转成 LLM 能读的文本，这是它的主业。现在它开源了一个转文档的工具，而且开源的还是它自家付费产品 Firecrawl Parse 的核心能力。

乍一看，这不是自己砸自己饭碗吗？仔细一想，不是，这是特别聪明的打法。

你发现没有，网页抓取和文档转换，说到底就是同一件事。爬虫把网页这种「给人看的超文本」翻译成「给 AI 读的纯文本」，anydoc 把 Word 这种「给人看的办公格式」翻译成「给 AI 读的 Markdown」。一个管网上，一个管本地，合起来就是一句话，把人类世界的内容，统统翻译成 AI 世界的语言。

这就是 Firecrawl 的生意。它要的不是卖转换工具，它要的是成为 AI 获取内容的基础设施。开源版 anydoc 免费、快速、本地运行，帮它占领开发者心智，让全世界做 Agent 的人第一反应就是用它的工具链。而真正赚钱的部分，OCR、扫描件识别、云端托管、大规模处理，这些留给付费的 Parse。你测完免费的觉得香，遇到搞不定的扫描件，自然就想起它家云服务了。

这个套路眼熟吗？OpenAI 开源 Whisper 语音识别，自己卖 API。Mistral 开源模型，自己卖云服务。开源的不是慈善，是获客。把基础能力免费送出去，把企业级需求留下来收费。anydoc 干的就是这事，而且干得漂亮。

还有个小细节，能看出这家公司的格局。他们给 anydoc 做了一个 Agent Skill，一行命令装进 Claude Code、Codex、Cursor，AI 编程助手遇到看不懂的文档，自己先转成 Markdown 再读。自家的工具主动去适配别家的 AI，为什么？因为它的目标根本不是工具本身，是让每一个模型背后的工作流都跑在它的转换能力上。这才是做基础设施的心态。

05 边界在哪，我踩过的坑

说到这，我得给你泼盆冷水。这工具不是万能的，有几个坑我实测踩过，你得知道。

第一个坑就是扫描件。我拿扫描版 PDF 一测，它直接拒绝，报错说得很直白，没有可提取的文本，需要 OCR。这活儿它不干。所以纸质合同、传真件、老书扫描本，别指望它，那种得走 OCR 服务，或者用带视觉模型的重型解析工具。

第二个坑是 Excel 的数字格式。这个在它 GitHub 的 issue 里有明确案例，7.5% 可能给你转成 0.075，货币符号和千分位可能丢。普通文本检索无所谓，但要是财务数据、利率、毛利率，AI 读到的数字含义就变了。所以重要的 Excel，转完你得校验数字，不能直接信。

第三个坑是嵌套表格。Markdown 原生不支持表格套表格，Word 里那种大表套小表的复杂结构，会被压扁到单元格里，文字在，但行列关系没了。表单、报价单这类，转完得检查。

第四个坑不是它的问题，是项目太年轻。现在版本才 0.x，维护者在 issue 里亲口说，API 还没冻结，随时可能变。你今天写的代码，明天接口可能就改了。好在核心的转换接口目前是稳的，但你要拿它做生产管线，得盯版本。

第五个坑，藏在文档里的图。这个我专门测过，造了一份带架构图的 Word 丢进去转，结果挺扎心。标题、正文、图注，全都在，唯独那张架构图，没了。对，就是凭空消失。官方文档写得很直白，Markdown 不能嵌字节，内嵌图片只会渲染成 alt 文本，有 alt 就留个占位文字，没 alt 就啥也不剩，原始字节倒是存在 assets 里，想要得自己调接口取。因为 anydoc 不接 OCR，图片里的内容它看不懂。

可问题在于，实际业务文档里，图恰恰是最值钱的部分。架构图、截图、流程图、数据图表，信息全在图里。你拿一份带图的方案去喂 AI，AI 读到的文字很完整，但图里的东西一个字都读不到。所以带图文档转完，最好自己再过一眼，重要的图要么补 alt 文本，要么走带视觉模型的工具。这个盲区，也是 Firecrawl 留着收费 Parse 的一个理由，OCR 那部分能力，它没放进开源版。

我说这些不是劝退，恰恰相反，知道边界才能用对地方。它最合适的角色很清楚，有结构的原生办公文件，快车道。扫描件、复杂版面、公式、跨页表格，交给重型工具。两个通道配合，才是一条健康的管线。

06 你可以怎么用

最后给点实在的。四种用法，从懒人到极客，总有一款适合你。

最省事的，浏览器直接开它官方 demo，把文件拖进虚线框，秒出 Markdown，复制走人。关键点在于，这个 demo 跑的是 WebAssembly，转换全在你本地浏览器里完成，文件不出门，合同、财务资料这种敏感文件，可以放心拖。

爱用命令行的，一行搞定，npx 装都不用装，

npx -y @firecrawl/anydoc 报告.docx -o 报告.md

PPT、Excel、PDF 命令一字不改，换文件名就行。批量处理还能配个循环。

写代码的，Python 两行，

pip install firecrawl-anydoc

import anydoc
markdown = anydoc.to_markdown("report.docx")

Node 也有同款 API。想拿内嵌图片的原始字节，还能用 to_document 拿到统一文档模型，图片、OLE 对象都在 assets 里，方便后续接对象存储或者视觉模型。

玩 Agent 的，一行装技能，

npx skills add firecrawl/anydoc

装完 Claude Code、Codex 这些工具遇到文档，自己就会先转再读。我脑补了个场景，让它把项目文件夹里几十份 PPT 全转成 Markdown，提取路线图，对比不同版本，把冲突数据标出来。以前这活儿得人干一晚上，现在一句话。

写到最后

我越来越觉得，我们正在见证一个时代的交接。人类花了四十年，把文档做得越来越好看，越来越会「伺候眼睛」。而 AI 只用了几年，就让这个世界重新意识到，文字最值钱的不是长相，是结构。

anydoc 这类的工具，就是这两个时代之间的翻译官。它做的事朴素到不起眼，把 Word 变成 Markdown，但它背后那个判断很清醒，AI 不需要看到，AI 只需要读到。所以它敢做减法，把视觉噪音全剥掉，只留骨架。这个思路，比任何花哨的功能都值钱。

这速度杠杠的，这话我说得理直气壮。但更让我兴奋的是，你把它装进自己的工具链之后，那些以前要人肉搬运的文档苦力活，从此可以交给机器了。省下来的时间，拿去干点人该干的事。

文档正在变成 AI 的文字。而我们，刚好站在翻译官这一侧。

谢谢你看我的文章，我们，下次再见。

/ 作者：mojianpo
/ 投稿或爆料，请联系邮箱：406223802@qq.com