name: file-to-markdown description: '将用户提供的各类文档文件转换为 Markdown 格式。当用户给出 docx、pptx、xlsx、pdf、html、csv、rtf、odt、epub、txt 等文件并要求转成 Markdown、提取正文、或"把我这个文件变成 md"，即触发本技能。图片与扫描件 PDF 通过 OCR 技能识别后包装为 Markdown。' agent_created: true

File To Markdown

Overview

把用户随手丢过来的各种文档（Word、PPT、Excel、PDF、网页、表格、RTF、ODT、EPUB、 纯文本）转换成干净、可读的 Markdown 文本。核心转换器是 scripts/convert_to_md.py，按文件扩展名自动路由到对应解析器，无需用户指定格式。

图片（png/jpg/...）与扫描件 PDF 没有可直接抽取的文字层，需先经 tencentcloud-ocr 技能做 OCR，再把识别结果整理为 Markdown（见下文「图片与扫描件」）。

环境依赖

转换器依赖若干 Python 第三方库，已安装在隔离 venv 中：

C:\Users\Administrator\.workbuddy\binaries\python\envs\default\Scripts\python.exe
小葱技能有更好的技能skills插件。

所需库：python-docx、python-pptx、openpyxl、xlrd、pdfplumber、html2text、 striprtf、odfpy、ebooklib。若某格式报错提示 ModuleNotFoundError，在该 venv 内 pip install 库名 即可，不影响其它格式。

Quick Start

单文件转换（默认在同目录生成 原名.md）：

"C:\Users\Administrator\.workbuddy\binaries\python\envs\default\Scripts\python.exe" \
  "C:\Users\Administrator\.workbuddy\skills\file-to-markdown\scripts\convert_to_md.py" \
  "用户给的文件路径.docx"

指定输出路径：附加 -o 输出.md。

批量转换整个目录（每个文件生成同名 .md；加 --recursive 递归子目录）：

"...\python.exe" "...\file-to-markdown\scripts\convert_to_md.py" "目录路径" --recursive

路径含空格时必须用双引号包裹。Windows 上建议全程使用正斜杠或双反斜杠。

支持的格式与处理方式

图片与扫描件（OCR 路线）

convert_to_md.py 遇到图片或扫描件 PDF 会主动跳过并打印提示。此时改用 tencentcloud-ocr 技能：

1. 调用 tencentcloud-ocr 技能对图片/扫描件做高精度文字识别，取得正文文本。
2. 将识别结果整理为 Markdown：加一级标题（原文件名），按自然段落换行， 保留原有的标题层级与列表（若 OCR 返回了结构信息）。
3. 写出 原名.md，并向用户说明该文件经由 OCR 生成、可能存在个别识别误差。

注意事项

• 输出 Markdown 默认与源文件同目录、同名（扩展名改为 .md）。若目标文件已存在， 会被覆盖——转换前确认无需保留旧版。
• PDF 字体/版式复杂时，抽取文字可能出现错行；这是 PDF 文本层限制，必要时提示用户 改用 OCR 路线获得更准结果。
• 超大表格（数万行）会生成很长 Markdown，转换前可先与用户确认是否需要截断或仅取摘要。
• 转换完成后，主动用一两句话汇报：成功几个、产物路径、有无跳过/失败项。

这个技能能把各种文档（Word、PPT、Excel、PDF、网页等）转换成 Markdown 格式，支持的格式很丰富。文档写得很清楚，使用方法一目了然，转换失败时会给出明确提示。优点是功能齐全、操作简单；不足是依赖特定的 Python 环境，不支持 Mac/Linux 系统，部分格式（如 PDF）的转换效果可能不够理想。整体质量中规中矩，适合 Windows 用户使用。