【小白必备】我开源了一个工具,让AI接管Word/Excel/PDF等文档,拯救你的知识库

大家好，我是瓜哥

最近我一直在用 LLM Wiki 整理自己的资料，同时蒸馏了自己。

蒸馏了自己以后，对我日常的工作帮助非常大，具体的用法我后面单独写。这篇先说它带出来的另一个问题：想让 AI 整理资料，得先让它稳定地读到资料。

我的电脑里有过去的公众号原稿、项目资料、工作备忘录、学习笔记、培训材料，格式包括 Word、PDF、Excel、PPT、Markdown 和各种截图。

现在Agent软件都支持直接拖拽 Word、PDF，但是每次都要重新解析文档，对于普通文字还好，遇到复杂表格、扫描件、特殊排版或者旧版 Office，不同工具的解析结果可能是有区别的：有的丢表格，有的文字顺序混乱，有的干脆读不出来。

所以我想把解析这件事提前做掉，先把各种文档转换成方便AI阅读的 Markdown格式，后面的Agent 直接读取转换结果，不需要每次都从原始文件重新解析。

Word、Excel 看起来都有现成工具可以转换，主要是PDF/图片比较麻烦：有的是文字版，有的其实就是一张扫描图片。遇到复杂表格、特殊版式，还可能需要 OCR 或者 MinerU 这类专门的文档解析服务。

我本来只是想让 AI 整理资料，结果知识库还没开始干活，先被这一堆格式转换送走了……

所以我做了 CPAH Docs，并把它开源了。

它是一个同时支持 Windows 和 macOS 的桌面工具。给它配置一个“原始文档目录”和一个“Markdown 输出目录”，它就会把里面的 Word、Excel、PPT、PDF、图片和文本自动转换成 Markdown，并且保留原来的文件夹结构。

后面资料有新增、修改或者删除，输出目录也会跟着更新，我的目标就是以后我只管往里面丢文档，它就能自动产出md文件给后面的agent消费。

操作特别简单，设置好目录，注册一下Mineru的账号，然后拿个Token以后就不用管了，直接把你的excel/word/pdf往里面丢就行，完整流程：

01 批量转一次不难，麻烦的是以后

我以前也写过批量转换工具，就在小帮手插件中。

选一个文件夹，把里面的 Word 和 PDF 转出来，任务就结束了。麻烦的是过几天原文件改了，我已经记不清哪些需要重新转换；原目录有好几层，输出以后全部挤在一起；不同文件夹出现同名文档，还可能互相覆盖。

虽然转换本身只花了几分钟，但是这些文件的持续维护太难受了。

为了解决这个痛点，CPAH Docs 在设计上会让原始资料文件夹和 Markdown文件夹一直对应同步：

你原来怎么整理的资料，转换后还是什么样子。新增文件会继续处理，原文件修改后会重新转换，删除后也会同步更新。

程序中途退出，重新打开还能接着处理；遇到失败的文件，也可以单独重试。文件重名和已有 Markdown，程序也会尽量避免互相覆盖。

转换分为本地和云端，本地的转换是用的一个开源库，秒秒钟就转下来了，但是支持的格式比较有限，主要还是主流的文档格式，如 DOCX、XLS、XLSX、PPTX、CSV 和 TXT

像PDF、图片，以及旧版 DOC、PPT，带有复杂版面或者图片扫描件的文档，为了保证效果，目前通过云端MinerU 解析（每人每天免费的额度有5000份文件，必须狠狠白嫖）

注意一下，使用云端 MinerU 时，相应文件会发送到你配置的 MinerU 服务。

如果资料涉及客户信息、审计底稿或者其他敏感内容，需要先确认所在单位的数据安全要求。不能上传公网的文件，就只使用本地支持的格式，或者接入符合要求的解析环境。

第一次可以先拿几个非敏感文件试试，看看转换效果，也确认一下文件会去哪里，再决定怎么处理正式资料（人家是事业单位，至少没有数据出境的风险）。

文件只有几个时，打开文件夹一个个看没什么问题。等几百个 Markdown 堆在一起，照样不知道里面有什么，这时候可以选择开启 AI 分类。

你可以先给出几个自己常用的类别，例如“培训资料”“项目管理”“AI 审计”，再让 AI 从这些候选项里选择。这样不会出现今天叫“AI 审计”、明天叫“审计 AI”、后天又多出一个“人工智能审计”的情况。

分类以后，会给md文档的yaml中打上标签：

不过分类不是必须的，不开自动分类，文档照样可以转换；开启分类时，Markdown 内容会发送到你配置的模型服务，因此同样需要判断资料是否适合外发。

CPAH Docs 会在输出目录里自动维护 index.md 它相当于一份会持续更新的资料目录，可以让AI看到按文件夹结构或者按AI打标签分类两个维度的文件索引。

转好的 Markdown 不绑定某个平台。后面交给 LLM Wiki、Codex、其他 Agent，还是自己的知识库，都可以自己决定。

CPAH Docs 目前已经同时支持 Windows 和 macOS。

如果你也有一堆想交给 AI、却还散落在各种格式里的资料，可以来试一试。

项目开源（MIT）地址：https://github.com/lllcy/cpah-docs

软件下载地址（不方便去github下载的可以直接用下面的蓝奏云地址）：

https://wwbai.lanzn.com/b00v099hoh

密码:dxa6

end