我要投稿

微软开源MarkitDown，RAG文档解析就这么解决了~

发布日期：2024-12-18 12:10:45 浏览次数： 2200

作者：PaperAgent

微信搜一搜，关注“PaperAgent”

RAG有这么一个说法：“垃圾进，垃圾出”，文档解析与处理以获取高质量数据至关重要。近期，微软开源了MarkItDown，一款将各种文件转换为 Markdown 的实用程序（用于索引、文本分析等）。

https://x.com/shao__meng/status/1867348058662744236

MarkItDown支持：

PDF
PPT
Word
Excel
图像（EXIF 元数据和 OCR）
音频（EXIF 元数据和语音转录）
HTML
基于文本的格式（CSV、JSON、XML）
ZIP 文件

MarkItDown使用

使用 pip: pip install markitdown。或者，从源代码安装它：pip install -e .

Python中的基本用法：

【重磅】一键接入扣子、Dify，FastGPT等开发平台

立即开通>>

企业内部AI 先行者已通过扣子、Dify 等智能体开发平台积极探索 "人 + AI" 的效率革新。这些应用大多局限于小范围应用，基于此，我们打造一款开箱即用的 AI 门户-53AI Hub，让企业实现从 "场景级效率优化" 到 "企业级生产力重构" 的跨越....

from markitdown import MarkItDown md = MarkItDown() result = md.convert("test.xlsx") print(result.text_content)

要使用大型语言模型进行图像描述，请提供llm_client和llm_model：

from markitdown import MarkItDown from openai import OpenAI client = OpenAI() md = MarkItDown(llm_client=client, llm_model="gpt-4o") result = md.convert("example.jpg") print(result.text_content)

MarkItDown试用

https://www.html.zone/markitdown/

https://github.com/microsoft/markitdown

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-05-27

Docext：无需 OCR，本地部署的文档提取神器，企业数据处理新选择

2025-05-26

太猛了，字节把GPT-4o级图像模型开源了！

2025-05-26

蚂蚁集团开源antv的MCP服务：AI智能体与数据可视化的桥梁如何搭建？

2025-05-26

顶级开发者默默换掉了基础大模型

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

源神降临！阿里 Qwen3 全系发布，免费商用，消费级显卡就能跑！(深度解读 + 实战case)

2025-04-29

Qwen3中性能最强MOE模型部署抛砖引玉 + 实测

2025-04-29

n8n、Dify、Coze 深度测评：从 0 到 1 选对 AI 自动化平台，避开 99% 的坑

2025-05-08

从UI修改到AI提效！前端开发者的开源神器，一键选择网页元素与AI对话！

2025-05-21

已经狂揽了15.2k!Cursor 的开源平替 Void 来了！

2025-05-12

速报！DeepSeek-Prover-V2-671B 悄然上线，或为 R2 铺路？

2025-04-30

字节跳动开源扣子coze、飞书工作流引擎！FlowGram.AI

2025-05-12

微软又整活！MarkItDown-MCP：网页/文件一键转Markdown，还能直接喂给AI用！（支持Claude)

2025-04-21

重磅：GitHub Copilot 开源 - 微软Build 2025开场即高潮

2025-05-20

阿里Qwen3正式发布：最小6亿参数，叫板Gemini-2.5Pro

2025-04-29

大家都在问

蚂蚁集团开源antv的MCP服务：AI智能体与数据可视化的桥梁如何搭建？

2025-05-26

拆解OpenAI最大对手的杀手锏：为什么会是MCP？

2025-05-25

从基础大模型到场景适配，企业如何做好商业化最后一公里？

2025-05-23

AI 开源框架：Dify、Zylon、AutoGPT、Flowise、LangChain、React-Flow怎么选？

2025-05-17

刚刚，OpenAI丢出最强编程智能体Codex！倒反天罡——新上线功能竟是微软Copilotb鼻祖？

2025-05-17

刚刚，OpenAI发布自主编码代理Codex，程序员的工作将被彻底颠覆？

2025-05-17

告别谷歌！阿里开源ZeroSearch大模型搜索成本直降88%，性能竟超原版？

2025-05-16

事实证明千问qwen3小模型才是企业的生产力，他究竟能做什么呢？

2025-05-14

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB