在日常使用 Claude Code、Codex 等 AI 编程助手时，我们常常需要让 AI 处理各种格式的文档——Word、PPT、Excel、PDF 等。传统做法是为每种文件格式找不同的转换工具，效率低且质量参差不齐，表格丢失、公式错乱是家常便饭。对于构建知识库或训练大模型来说，这种不稳定的文档解析会带来严重影响。

针对这一痛点，Firecrawl 团队开源了 anydoc 工具，上线仅 10 天就收获 15000+ GitHub Star。

Firecrawl 此前以网页抓取转 Markdown 闻名，这次开源 anydoc 补上了本地文档处理这块拼图。它支持将 Word、PPT、Excel、PDF、EPUB 等文件一键转换为干净的 Markdown 格式，覆盖 8 大类格式、14 种扩展名，甚至兼容 2003 年的老旧 .doc 和 .ppt 格式。

anydoc 的实现思路很清晰：先读取文件并理解其内容结构，生成一份统一格式的中间稿——标题、表格、列表等元素全部标记清楚，再将中间稿转换为 Markdown。这种两段式处理让文档维护变得更容易，比如发现表格转换 Bug 时可以直接修正。

格式识别不依赖文件扩展名，而是通过读取文件字节中的特征标记来判断，即使文件名被改错也能正确识别。

转换速度是 anydoc 的核心优势。它采用纯 Rust 实现，不依赖 ML 模型和外部服务，最快仅需 4.4 毫秒。官方用 100 份真实文档与 LibreOffice、Markitdown、Pandoc、Docling 等同类工具横向对比，anydoc 是唯一全面支持 14 种格式且在质量和速度上均排名第一的工具。

细节处理同样到位：合并单元格表格、脚注、代码块、PPT 备注都能保留。文档中的图片会以引用文本形式呈现，原始文件缓存在本地目录中。

anydoc 提供多种使用方式：

• 开发语言集成：提供 Node、Python、Rust 等语言的 SDK，方便集成到项目中
• Skill 安装：通过 npx skills add firecrawl/anydoc 安装到 Claude Code、Codex 等 Agent 工具中使用
• 在线 Web 版：浏览器打开即用，所有转换在本地完成，数据不会上传服务器，适合处理敏感文档

当然，anydoc 目前也有局限性：本地模式只能处理常规 PDF，扫描件/纯图片 PDF 无法读取（可通过托管 API 接 OCR 模型解决）；加密或带密码保护的文档也会报错。

经过实测，anydoc 对 docx、pptx、xlsx 等常见格式转换效果出色，连 rtf、odt、epub 等小众格式也能干净地转为 Markdown。

近年来，RAG 知识库和 Agent 应用开发持续火热，文档解析却往往是最容易出问题且难以察觉的环节——表格转换丢失一半、检索结果不准，这些问题可能潜伏很久才被发现。

Firecrawl 先解决了网页转 Markdown，现在又补上本地文档处理。两个给 AI 喂数据的核心入口，anydoc 都占住了。未来它能否像 ffmpeg 在音视频领域的地位一样，成为 AI 数据管道的默认底座，值得观察。

GitHub 项目地址：https://github.com/firecrawl/anydoc