مفتوح المصدراستخلاص البيانات60k
MarkItDown
حوّل المستندات ومحتوى الويب إلى Markdown نظيف جاهز لـ LLM.
MarkItDown هو أداة من Microsoft تحوّل مجموعة واسعة من الملفات وصفحات الويب (HTML, PDF, مستندات Office, صور, صوت) إلى Markdown نظيف محسَّن لاستهلاك LLM. يحافظ على البنية كالعناوين والجداول والقوائم حتى تستطيع النماذج الاستدلال على المحتوى بشكل موثوق. يتميز بتطبيع المحتوى الفوضوي المُزحف أو المُنزَّل في تنسيق نصي واحد للاستيعاب.
المستودع
microsoft/markitdownاللغة
Pythonما الذي يمكنك بناؤه به
- تحويل صفحات HTML المُزحفة إلى Markdown نظيف لاستيعاب RAG
- تطبيع PDFs ومستندات Office إلى نص صديق لـ LLM
- معالجة محتوى ويب مختلط مسبقاً إلى تنسيق متسق للتضمينات
الوسوم
markdownllmconversionrag