知识库与 RAG工具
all2md：将 PDF、Office 等 40+ 格式转换为面向 LLM 的 Markdown 并支持反向转换
thomas-villani/all2md · Convert PDF, Word, PowerPoint, HTML, email & 40+ formats to clean Markdown — and back. Built for LLMs, RAG & Python pipelines, with a built-in MCP server.
ELI5：它是什么，解决什么问题
all2md 是一个 Python 库与命令行工具，基于 AST 流水线将 PDF、Word、PowerPoint、HTML、邮件、表格、电子书、代码等 40 多种格式转换为结构化、LLM 友好的 Markdown，并支持将 Markdown 反向转换为 DOCX、PDF、HTML 等富文本格式。项目面向 RAG 数据摄入、LLM 预处理、批量自动化和 Python 应用嵌入，同时提供 rcat 终端文档阅读器，以及批量转换、grep、语义搜索、diff、分块等命令行能力，并内置 MCP 服务器。
核心能力与快速开始
★ 31 · Python
- 能做什么
- 支持 PDF、DOCX、DOC、PPTX、PPT、ODT、ODP、RTF、EPUB、FB2、CHM、HTML、Markdown、reStructuredText、AsciiDoc、LaTeX、邮件（EML/MBOX/Outlook/Evernote）、XLSX/ODS/CSV/JSON/YAML/TOML/INI、Jupyter 笔记本、近 200 种源码与配置文件、多种压缩包等 40+ 格式输入解析；可将 Markdown 渲染回 DOCX、PDF、HTML、EPUB、PPTX 等富文本格式。提供 Python API（如 to_markdown）与命令行工具，支持递归批量转换、输出目录、stdin/stdout 管道、RAG 分块（含章节与页码溯源）、grep、语义搜索、跨格式 diff、转换质量评分、自定义 Jinja2 模板输出、AST 插件扩展，并内置 MCP 服务器，附带 rcat 终端渲染阅读器与 rcat 的 pager、outline、章节提取等能力。
- 适用场景
- RAG 与 LLM 数据摄入：将 PDF、Office、邮件、表格等源文档转换为可分块的 Markdown，并保留章节与页码溯源；批量自动化：递归处理混合文档目录、监听目录并管道接入工作流；Python 应用集成：将文档解析与转换嵌入自身应用；终端阅读：在 shell 或 SSH 中直接阅读 PDF、Word、幻灯片等文档；知识管理与文档工作流：在格式之间迁移内容、生成静态站点；对转换结果做 grep、搜索、diff 与可信度评估。
- 项目形态
- 可直接使用的工具
- 部署方式
- 未说明。README 给出 pip 与 uv 安装方式（如 uv tool install "all2md[all]"、pip install "all2md[pdf]"），核心库无依赖，按格式安装相应 extras；具体部署环境与硬件要求未说明。
- 主要依赖
- Python 环境（README 提到 Python 版本徽章，未给出具体最低版本）；核心库无依赖，各格式需安装对应 extras（如 pdf、docx、html、xlsx 等）；rcat 的富文本渲染需 cli_extras（rich）。
- 使用限制
- 未说明。README 指出若需最大发布广度或学术输出（引用、参考文献）可配合 Pandoc 使用；OCR、布局分析等属高级功能，具体精度与限制未在此摘录中说明。
- 许可证
- MIT
- 最近推送
- 2026-10-08 02:19
资料检查：2026-10-08 07:00 · 卡片整理：2026-10-08 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容
职业应用
程序员
将 PDF、Word、PowerPoint、HTML、邮件、表格、电子书、代码等 40 多种格式转换为结构化、LLM 友好的 Markdown，用于 RAG 数据摄入、LLM 预处理、批量自动化，并可嵌入 Python 应用；同时支持将 Markdown 反向转换为 DOCX、PDF、HTML 等富文本格式。
查看内容依据
all2md 是一个 Python 库与命令行工具，基于 AST 流水线将 PDF、Word、PowerPoint、HTML、邮件、表格、电子书、代码等 40 多种格式转换为结构化、LLM 友好的 Markdown，并支持将 Markdown 反向转换为 DOCX、PDF、HTML 等富文本格式。
由 AI 根据来源材料整理，未进行安装或运行验证
HR
将 PDF、Word、PowerPoint、HTML、邮件、表格等文档转换为 Markdown，用于 RAG 数据摄入、LLM 预处理和批量自动化，便于整理人力资源相关文档。
查看内容依据
项目面向 RAG 数据摄入、LLM 预处理、批量自动化和 Python 应用嵌入
由 AI 根据来源材料整理，未进行安装或运行验证
产品经理
将 PDF、Word、PowerPoint、HTML、邮件、表格等文档转换为 Markdown，用于 RAG 数据摄入、LLM 预处理和批量自动化，便于整理产品文档与需求材料。
查看内容依据
项目面向 RAG 数据摄入、LLM 预处理、批量自动化和 Python 应用嵌入
由 AI 根据来源材料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。