今天推荐一个文档转 Markdown 的开源工具 doc7，GitHub 上已收获 1.1K Star。它可以把 PDF、Office、扫描件、截图、图表、公式、流程图等任意文档，通过你自己的多模态模型，转换成 AI 可直接检索、引用和推理的 Markdown 格式。
项目简介
doc7 由 magicrew 团队开发，使用 Go 语言编写。核心理念一句话：Any document in. AI-ready Markdown out.
核心亮点
不靠 OCR 栈，靠视觉理解
传统文档处理工具采用"分而治之"的流水线架构：OCR 识别文字、布局分析识别版面、表格模型识别表格……每个环节都会丢失信息，误差层层累积。
doc7 的做法完全不同：把整页文档渲染成图像，交给多模态模型去"看"。模型一次性理解页面上所有元素——文字、表格、公式、图表、图示关系——然后直接重建为结构化 Markdown。不是"看清"每个字，而是"看懂"整页内容。
实测数据说话
项目团队在两份纯图片 PDF 上做了公开 Benchmark，15 项可机器校验的视觉事实，doc7 恢复了全部 15 项。对比数据：
- MarkItDown 0.1.6 + OCR 插件：9/15
- Docling 2.113.0 标准模式：3/15
- MarkItDown 默认模式：0/15（直接输出空文件）
更关键的是，doc7 生成的 Markdown 仅 5,293 字节，而 Docling 输出了 2,571,445 字节——体积大了近 500 倍（因嵌入了 Base64 页面图像）。
不收费、不绑定、不锁死
- 不卖文档额度：不按页、不按图片、不按转换次数收费
- 不绑定模型：可用任何兼容 OpenAI 接口的多模态模型，包括本地部署
- 不锁定服务：无必需的 OCR 技术栈或文档处理服务
- 文档留在本地：配合本地模型部署，内容完全不出你的基础设施
用项目的话来说："当硬件已经存在时，新增一份文档的边际成本主要只剩电力和运行时间。"
一套流程，所有格式
PDF、Word、PPT、Excel、图片、扫描件——不同格式进入同一个页面理解管线，产出统一的 Markdown。不需要为不同格式维护不同的处理工具。
功能特性
- 多格式支持：支持几乎所有常见文档格式
- 内置 Agent：自带轻量 Agent，运行在配置的本地模型上
- 断点续跑和选择性重跑
- 远程文档处理 + HTTP 服务
- 批量目录处理
- MCP 与 Go SDK
快速上手
第一步：安装 doc7
macOS / Linux：
curl -fsSL https://raw.githubusercontent.com/magicrew/doc7/main/scripts/install.sh | bashWindows PowerShell：
irm https://raw.githubusercontent.com/magicrew/doc7/main/scripts/install.ps1 | iex也可以直接从 GitHub Releases 页面下载对应平台的压缩包。
第二步：准备视觉模型
需要兼容 OpenAI 接口的多模态模型：
- 本地模型（推荐）：安装 LM Studio 或 Ollama，加载支持视觉的模型（如 qwen3.5-9b、llama3.2-vision 等），启动本地服务。默认地址：http://127.0.0.1:1234/v1
- 远程 API：使用任何兼容 OpenAI 接口的视觉模型服务，配置 API Key
第三步：首次配置
# 查看可用模型
doc7 models --base-url http://localhost:8000/v1
# 保存配置
doc7 setup config \
--base-url http://localhost:8000/v1 \
--model
# 如果需要 API Key
doc7 setup config --api-key-stdin第四步：检查环境
# 检查本地依赖和模型连通性
doc7 doctor --check-model
# 检查特定文件格式的依赖
doc7 doctor report.docx --check-model第五步：开始转换
# 最简单的用法
doc7 report.pdf
# 指定输出目录
doc7 read report.pdf -o output-dir
# 处理截图
doc7 screenshot.png
# 批量处理目录
doc7 read ./documents -o ./knowledge
# 从 stdin 管道输入
cat report.pdf | doc7 read - --stdin-name report.pdf --stdout > report.md总结
使用 doc7 处理后，表格结构完整，条款分段清晰，连页脚的法律声明都能准确识别。如果你手里有一堆格式混乱的文档想喂给 AI，不想花大把时间搭环境、调参数，也不想被按页计费的服务收割，doc7 值得试试。
它代表的方向是：让 AI 像人一样"看懂"文档，而不是像机器一样"识别"文档。
GitHub 项目地址：https://github.com/magicrew/doc7