原文：Threads（作者 sw_ai_life）
摘要
Firecrawl 團隊開源了 anydoc，一個用 Rust 寫的文件轉換工具，能把 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDF 等 14 種常見辦公室格式，統一轉成結構清晰、樣式乾淨的 Markdown。專案放在 GitHub（github.com/firecrawl/anydoc），並提供 Node.js 與 Python 的 binding。
重點
- 一次涵蓋 14 種格式：Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDF 等，全部輸出成 Markdown。
- 用 Rust 開發，主打轉出來的 Markdown「結構清晰、樣式乾淨」（clean Markdown），適合再餵給 LLM 或知識庫。
- 提供 Node.js 與 Python bindings，可直接嵌進既有工作流，不必只當 CLI 用。
- 出自 Firecrawl 團隊（做網頁抓取轉 Markdown 起家），這是他們把「任意輸入轉乾淨 Markdown」的思路從網頁延伸到本地文件。
- GitHub：
github.com/firecrawl/anydoc。
個人洞見
把各種辦公室文件統一成乾淨 Markdown，正是 RAG / 知識庫 pipeline 的前處理痛點——這類工具能省去為每種格式各寫一套 parser 的功夫。對這個花園而言，它是「把外部素材收進來」的上游工具，跟 重檢索輕儲存 的思路互補：先轉成純文字，之後才好被檢索與連結。