Agent Skill 核验档案

Markitdown · Scientific Agent Skills

MarkItDown 是微软的轻量级 Python 工具，用于将常见文档（PDF、Office、HTML、CSV、EPUB、ZIP 等）转换为保留结构的 Markdown，输出面向索引、文本分析、搜索和 LLM/RAG 摄取，而非高保真视觉还原。该 Skill 面向 MarkItDown 0.1.6，涵盖本地安全转换、流式转换、批量处理、插件、视觉 OCR、Azure 提取及官方 MCP 服务器。

适用任务

将本地可信的 PDF/DOCX/PPTX/XLSX 等文件批量转换为 Markdown（scripts/batch_convert.py，支持递归、清单记录）
将文献集合（如 papers/ 中按 Smith_2025_Title.pdf 命名的 PDF）转换为带 YAML front matter 出处信息的 Markdown，并按年份组织、生成索引（scripts/convert_literature.py）
通过 markitdown-mcp 服务器向本地代理暴露 convert_to_markdown(uri) 工具（优先 STDIO 传输）
对扫描版 PDF 或文档内嵌图像，使用 markitdown-ocr 插件、Azure Document Intelligence 或 Azure Content Understanding 提取文本
对上传的字节流或已打开文件，使用 convert_stream() 并配合 StreamInfo 提示进行转换

输入

本地文件：PDF、Office（DOCX/PPTX/XLSX/XLS）、HTML、CSV、EPUB、ZIP 等
二进制可寻址流（配合 StreamInfo 的扩展名/MIME/文件名提示）
应用自行验证并抓取的 HTTP(S) 响应
受信任且已验证的 file:/data:/http:/https: URI
音频（转录需 extras）、YouTube、图像（可请求 LLM 描述）

输出

结构保留的 Markdown 文本（result.markdown，UTF-8）
批量转换生成的 <source-filename>.md 文件与 manifest.json
文献转换输出的带 YAML front matter 出处信息、可按年份组织并可生成索引的 Markdown

限制与检查

核心本地转换可离线运行，但 URL、YouTube、音频转录、LLM、Azure 和 MCP 工作流可能使用网络或外部服务
内置 PDF 转换器只提取已有文本，不对扫描页做本地 OCR；内置 JPEG/PNG 转换器不提供本地 OCR
面向文本结构而非像素级完美还原；需要边界框、页面坐标或截图时应改用布局感知解析器（如 LiteParse）；PDF 合并/拆分/表单/水印应改用 pdf skill
convert() 和 convert_uri() 是故意宽松的，不应直接传入不可信的用户字符串
0.1.6 核心 CLI 不暴露 OCR 插件的 LLM 客户端/模型参数，需通过 Python API 配置
--keep-data-uris 可能使输出非常大并可能保留嵌入的敏感数据
非寻址流会被完整复制进内存，大文件可能导致内存占用高
确认输出非空且为 UTF-8

项目详情

0