Documentos y datos
microsoft/markitdown
Convierte PDFs y documentos de oficina a Markdown limpio para LLMs
- 174k
- MIT
- Python
Qué es y por qué importa
markitdown es una herramienta de Microsoft en Python que convierte ficheros y documentos de oficina (PDF, Word, Excel y otros) a Markdown limpio. El objetivo es facilitar que un LLM entienda y trabaje con los datos sin tener que interpretar formatos pesados, lo que además reduce el consumo de tokens al no delegar la conversión en el modelo. Encaja bien en flujos de RAG y de preparación de contexto.
Puntos clave
- Convierte PDF, Word, Excel y otros formatos a Markdown limpio en Python
- Reduce el consumo de tokens al hacer la conversión fuera del modelo
- Pensado para preparar contexto y flujos de RAG, dando al LLM datos más legibles
Dónde lo vimos
En la misma categoría