Word 文档转 Markdown
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/mzlzyca-doc-to-markdown-040。
技能介绍
要解决什么问题
技术文档、知识库和博客 pipeline 里常见一层格式转换:合作方或历史归档仍是 Word(.doc / .docx),而你希望后续用 Git、静态站生成器或 RAG 处理 Markdown。手工复制粘贴会丢标题层级、列表和版式,批量脚本又往往绑死在单一本地环境。
技能如何工作
本技能通过 MinerU(OpenDataLab / 上海 AI Lab 开源)把 Word 转成相对干净的 Markdown。
- 输入:本地
.doc/.docx,或文档 URL .docx:可走flash-extract,无需 API token;单次约 10 MB、20 页 上限,适合小册子、规范节选.doc:需带 token 的extract;token 在 mineru.net API 管理页 创建- 参数:
--language默认ch,英文文档用en;--pages指定页范围(如1-10) - 输出:正文走 stdout;进度与状态在 stderr;可用
-o写到文件或目录
在 AI 助手场景下,相当于把「选文件 → 选模式 → 拿 Markdown」封装成可对话的操作,而不是你自己记 MinerU CLI 细节。
边界与注意点
.docx 与 .doc 路径不同:旧版 .doc 不能指望免 token 快速抽取。大体积或超长 .docx 可能超出 flash-extract 限制,需分页(--pages)或走 token 流程。MinerU 对复杂版式、嵌套表格的还原取决于引擎能力,产出 Markdown 仍建议 diff 与人工抽检后再进生产库。
使用场景
- 把客户发来的规范 .docx 转成 Markdown 后放进 Git 仓库做版本对比
- 只抽取投标书 Word 第 3~15 页为 Markdown,用于内部评审摘要
- 通过文档 URL 拉取在线 .docx 并输出 Markdown 给 RAG 切片入库
- 英文技术手册 .docx 用 en 语言提示转换,减少中文 OCR 误判
适合人员
- 维护开源文档站、要把存量 Word 讲义迁到 MD 的技术写作者
- 做企业知识库、需把采购合同 .doc 批量抽成可检索 Markdown 的文档工程师
- 每周收外部门 .docx 周报并要并入 Markdown 知识库的 IT 对接人
- 在助手内做「给链接/路径就出 MD」自动化的平台集成开发者