比 LibreOffice 快 256 倍!这款 1.7 万 Star 的 Rust 神器,把 14 种文档一键转成 Markdown

01anydoc 是什么？

anydoc 是由 Firecrawl 团队开发的快速 Rust 文档转换库，GitHub 上 1.7 万 Star、790+ Fork，以 MIT 许可证开源。它的核心使命只有一句话：把 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDF 统一转成干净的 GitHub-Flavored Markdown，专为 LLM 数据预处理而生。

背后的 Firecrawl 是谁？

Firecrawl 是 Y Combinator 投资的网页数据基础设施公司，主打"把网页变成 AI 能用的干净数据"——搜索、抓取、爬取、交互，覆盖 96% 的网页，被 15 万+ 公司使用，通过了 SOC 2 Type 2 安全认证。Lovable、Gamma、Sierra、Cognism 等 AI 公司都在用它给 Agent 喂网页数据。

anydoc 不是 Firecrawl 拍脑袋做的副业，而是它文档解析能力的开源核心。Firecrawl 的托管 API 服务 /parse 和 /scrape 在遇到非 PDF 文档时，底层调用的就是 anydoc——换句话说，anydoc 是经过大规模生产验证的，不是玩具项目。

anydoc + pdf-inspector：一对姊妹项目

这里要提一下 anydoc 的"兄弟"——pdf-inspector。两者是同一个团队、同一套设计原则（纯 Rust、本地执行、无 API key、无系统依赖、Markdown 输出），但分工明确：pdf-inspector 专门处理 PDF，anydoc 处理其他 14 种办公格式并内嵌 pdf-inspector 来转换文本型 PDF。它们是刻意分成两个仓库、两个产品的——一条血脉，两个 Firecrawl 产品，合在一起覆盖了真实 AI 管道里会遇到的几乎所有文档格式。

六条设计哲学

1. 一次修复，全面生效——所有格式走同一文档模型 + 同一序列化器，输出问题只需修一次

2. 内容优先，而非扩展名——格式从文件字节内容检测，不靠可能错的扩展名

3. 安全优先——固定安全限制贯穿所有解析路径，防邮件炸弹、图片炸弹、深度嵌套

4. 正确转换，或大声失败——加密、纯图片、结构损坏的文件返回明确错误，而不是静默降级吐乱码

5. 不阻塞——Node.js 跑在 libuv 线程池，Python 释放 GIL

6. 固定的页面装饰策略——排除页眉/页脚/页码，始终保留演讲者备注

项目 2026 年 8 月 3 日创建，到 8 月 12 日已经 106 次提交、1.7 万 Star，增长势头非常猛。

02核心功能，每一个都解决真实痛点

Format::from_bytes(&bytes);              // Some(Format::Docx), or NoneFormat::from_extension("pptm");          // Some(Format::Pptx)Format::from_path(Path::new("report.odt")); // Some(Format::Odt)

npx skills add firecrawl/anydoc

WASM 版本还有在线 Demo——文件在浏览器本地转换，永不离开你的设备，隐私零顾虑。

03为什么它能又快又准

设计精髓在于：所有格式通过同一文档模型和同一序列化器汇聚。输出问题只需修复一次——比如 docx 的表格转义修复，自动适用于 rtf、odt 等所有格式。这是 anydoc 输出一致性的根本来源，也是它"每个格式都拿第一"的底层原因。

文档模型：所有格式最终解析成同一个 Document 结构，包含 blocks、inlines、tables、footnotes、assets。序列化器只认这个模型，不关心原始格式。嵌入资源（图片、对象）在 Markdown 输出时渲染为 alt 文本，但原始字节保留在文档模型里，调用 toDocument() 可自行提取。

安全限制——对恶意文档有完整防护，所有安全限制在所有上下文中都是硬错误：

错误处理：正确转换，或大声失败——与 MarkItDown 的 best-effort 哲学形成鲜明对比。MarkItDown 会尽量给你"一些东西"，在生产 RAG 里静默损坏的输出比明确报错危险得多——你不知道哪份文档转坏了，垃圾数据悄悄进了向量库。anydoc 选择"要么对，要么报错"，把决策权交回给你。

04对比竞品：它到底强在哪

anydoc vs MarkItDown：哲学差异比功能列表更重要

MarkItDown 是微软出品的纯 Python 库，88k+ Star，覆盖格式最广（含图片、音频转录、HTML）。两者都 MIT 开源，但哲学截然不同：

选型决策表

核心优势总结：

1. 唯一覆盖全部 14 种格式——广度无人能及

2. 每个格式得分最高——质量全面领先

3. 速度快一个数量级——4.4ms vs 次快 52.5ms

4. 比 LibreOffice 快 256 倍——批处理场景碾压

5. 纯 Rust 无依赖——无 ML 模型、无外部服务、无运行时

6. 统一输出模型——一致性天然保证，一次修复全面生效

05诚实的边界：anydoc 不做什么

了解一个工具"不做什么"，和了解它"能做什么"同样重要。anydoc 的定位非常克制——它只解决转换层，不越界：

❌ 不做 OCR——纯图片/扫描 PDF 直接返回 Unsupported，需要 OCR 请用 Firecrawl Parse 托管 API

❌ 不做语义字段提取——不会从发票里自动识别"金额""日期"，它只转结构化 Markdown

❌ 不做 chunking——不帮你切分文本做 embedding，那是 RAG 管道下游的活

❌ 不做完整 RAG——它是 RAG 的"第零步"，把文档变成文本，后面的事交给别的工具

❌ 不解析图表语义——图表会作为资源保留，但不会"看懂"柱状图的数据

06谁适合用

07价格：MIT 完全免费开源

anydoc 采用 MIT 许可证，没有功能阉割，没有商用限制。

• 自部署——完全免费，Rust/Node.js/Python/WASM 四种绑定任选

• 托管 API——Firecrawl Parse 提供相同能力 + 智能 OCR 路由 + 结构化 JSON 输出，按量付费

• Agent Skill——免费安装，npx skills add firecrawl/anydoc

08快速上手

CLI 工具（最快体验）：

npx @firecrawl/anydoc report.docx               # Markdown 输出到 stdoutnpx @firecrawl/anydoc slides.pptx -o slides.md  # 输出到文件npx @firecrawl/anydoc - --format csv < data.csv # 从 stdin 读取

Node.js：

npm install @firecrawl/anydocimport { toDocument, toMarkdown, toMarkdownBytes } from '@firecrawl/anydoc';const markdown = await toMarkdown('report.docx');         // 从文件路径const fromBytes = await toMarkdownBytes(bytes);           // 从字节，自动检测格式const fromCsv = await toMarkdownBytes(bytes, 'csv');      // 显式指定格式const document = await toDocument(bytes);                 // 获取文档模型（含嵌入资源）

Python：

pip install firecrawl-anydocimport anydocmarkdown = anydoc.to_markdown("report.docx")markdown = anydoc.to_markdown_bytes(data)markdown = anydoc.to_markdown_bytes(data, "csv")document = anydoc.to_document(data)

浏览器（WASM，文件不离设备）：

import init, { toMarkdownBytes, toDocument } from '@firecrawl/anydoc-wasm';await init();const markdown = toMarkdownBytes(bytes);const document = toDocument(bytes);

Rust：

cargo add anydoclet markdown = anydoc::to_markdown("report.docx")?;let markdown = anydoc::to_markdown_bytes(&bytes, None)?;let document = anydoc::to_document(&bytes, None)?;

Agent Skill（让 AI Agent 自动读文档）：

npx skills add firecrawl/anydoc

兼容 Claude Code、Codex、Cursor、OpenCode。整个集成就是一行调用——无 API key、无外部服务、无单独二进制。

✓写在最后

文档转 Markdown 这件"小事"，在大模型时代变成了基础设施级的需求。RAG 要喂文档、Agent 要读文档、知识库要建索引——都绕不开"把乱七八糟的格式变成干净文本"这一步。

anydoc 选了一条最难但最对的路：纯 Rust 重写、统一文档模型、14 格式全覆盖、毫秒级速度、严格安全限制、"正确转换或大声失败"。它不靠 ML 模型凑数，不靠外部服务兜底，也不试图做 OCR、做语义提取、做 chunking——而是用工程深度把"文档转文本"这一件事做到极致，把边界画得清清楚楚。

1.7 万 Star、比 LibreOffice 快 256 倍、每个格式都拿第一——数字不会说谎。

如果你也在做 RAG、做 Agent、做知识库，或者只是被"文档转 Markdown"折磨过——不妨试试 anydoc。又快又准又稳、还诚实的文档转换，值得拥有。