SylphxAI/anymd

anymd – 将任何文件转换为适合 AI 代理的干净 Markdown

功能简介

• 这是一个基于 Rust 的本地快速服务器/CLI 工具，能将多种文件类型（PDF、Word、PowerPoint、Excel、EPUB、HTML、图片、音频、视频等）转换为结构化的 Markdown。输出内容包含页面级引用锚点、标题、表格、图片以及选用的 OCR/ASR，专为 LLM 提示词的 Token 效率而设计。

为何对 AI 代理至关重要

• 代理（如 Claude、Gemini、Cursor 等）需要干净且结构良好的文本以符合 Token 限制。anymd 能通过单次调用提供此类输出，保留阅读顺序、表格与引用，同时确保所有数据皆在设备端处理（无需 API 密钥，无需上传数据）。

主要特色

• 速度 – 并行化 Rust 转换；基准测试显示在 38 份文件的测试集中比 docling 快 212 倍（总计 11.5 秒）。
• 准确度 – 排版引擎通过字元间距重建文本，处理双栏论文，复原无框表格，并保留上标/下标。
• 节省 Token 的输出 – 简洁的 front-matter、<!-- page N --> 锚点、精简的表格。
• 单次调用多格式支持 – PDF、DOCX、PPTX、XLSX/ODS、CSV/TSV、EPUB、HTML、图片、音频、视频，以及网址与整个目录。
• 仅限本地 – 无云端服务；OCR 使用本地 doc-VLM 模型或 Tesseract，ASR 使用内置的 Qwen3-ASR。
• MCP 集成 – 提供四种 Model-Context-Protocol 工具（outline、read、search、inspect），任何支持 MCP 的客户端皆可调用。
• Pro 附加功能 – 支付 $29 即可获得视频时间轴帧以及可验证 PDF 中引用位置的引用检查工具。

如何使用

• 通过单一指令 npx -y @sylphx/anymd setup 安装；这会将二进制文件注册到机器上的所有 MCP 客户端（Claude Code、Codex、Cursor、VS Code 等）。
• CLI 示例：anymd report.pdf > report.md、anymd https://example.com/article、anymd scan.png --ocr vlm。
• 以 MCP 服务器模式运行（anymd mcp 或不带参数运行 anymd），让代理能通过 stdio 请求 read、search 等功能。
• 软件包可在 npm、PyPI、Docker 与 crates.io 上获取；所有主流平台皆提供预先编译的二进制文件。

基准测试

• 在公开的 AgentDocBench 上总分达 96.4 / 100（超越 docling、kreuzberg、unstructured 等）。
• 表格单元格 F1 分数 92.2%，阅读顺序 98.8%。
• 38 份多样化文件的总转换时间为 11.5 秒（docling 为 2,432 秒）。

安全性与隐私

• 所有处理皆在本地进行；网址抓取时会进行严格的地址检查。
• 选用的 --allow-dir 可限制文件系统访问权限。
• 图片会缓存在私有目录中，并限制在 50 MP。
• 外部工具（tesseract、ffmpeg）在执行时不通过 shell，并设有超时限制。

深入了解

• 完整文档：https://sylphxai.github.io/anymd/
• 基准测试指南：https://sylphxai.github.io/anymd/guide/benchmarks
• Pro 详细信息与购买：https://sylphxai.github.io/anymd/pro

授权 – MIT（核心为免费开源；Pro 为付费附加功能）。