AI学习琐记:如何将word, pdf, pptx, xlsx转markdown

为啥要转：

其实要为了让AI省token, 在token越来越贵，连deepseek也涨价的时代，精打细算用token就是省钱，毕竟目前AI还没有给我赚钱，到处都是用AI花钱的工具，动不动几十上百个月的plan，还是省着点钱，毕竟老板还没有因为我用AI给我涨工资，也没有用AI赚到钱。

都省token吗：

理论上word, pdf(非扫描版），pptx都是省token的。至于xlsx, 如果不是规范的，有很多空行或无意义的na等内容是需要先清理后再转的，如果非常干净后也是能省token

能省多少：

估计20-50%，现在经验不多，但每个文件转一下，累积就多了，还是非常值得的。

怎么转：

powershell上安装markitdown, pip install "markitdown[all]"

然后运行：python -m markitdown "文件名.xlsx" -o "文件名.md"

pdf, pptx, docx 都行，只要上面把xlsx替换一下即可，当然你的powershell上把执行文件夹转到你文件所在的文件夹，用 cd 命令即可。

成功了吗：

都成功了，除了xlsx实际转时有时会非常大，其他的都没有什么问题，平时的几百块的临床试验方案大约几秒钟就转成功了。pptx也是很快。

有啥缺点吗：

如果里面有图的，是转不出来的，如果图很多，很重要，考虑别的。

如果是扫描版的PDF，大概率搞不出来。

----------

犯懒了一段时间，重新折腾起来

累，但有收获。

不累，也累。