---
title: 让 Al Agent 看懂所有文档：将任何文档转换为统一的 Markdown 格式
date: 2026-08-18T08:44:03Z
modified: 2026-08-18T08:44:13Z
permalink: "https://www.appinn.com/firecrawl-pdf-inspector-anydoc/"
type: post
status: publish
excerpt: ""
categories:
  - AI
tags:
  - AI
  - Markdown
  - PDF
  - 文档
featured_image: "https://www.appinn.com/wp-content/uploads/2026/08/Copy-of-appinn-homework-2026-08-18T163927.073.jpg"
author: 青小蛙
timestamp: 2026-08-18T08:44:13Z
---

**Firecrawl** 最近开源了 **PDF Inspector** 和 **AnyDoc** 两个项目，解决 AI Agent / RAG 场景里的一个基础问题：如何把各种文档快速、准确地转换成 AI 能理解的 Markdown。@[Appinn](https://www.appinn.com/firecrawl-pdf-inspector-anydoc.md)

![](https://www.appinn.com/wp-content/uploads/2026/08/Copy-of-appinn-homework-2026-08-18T163927.073.jpg)

**Firecrawl** 是一个面向 AI 应用的网页抓取与数据转换平台，主要目标是：把互联网内容转换成适合 LLM（大语言模型）理解的数据。

### **PDF Inspector**

- [https://github.com/firecrawl/pdf-inspector](https://github.com/firecrawl/pdf-inspector)

PDF Inspector 是一个 Rust 编写的 PDF 分析库。它不会直接把所有 PDF 扔给 OCR，而是先分析 PDF 内部结构。



| 类型 | 处理方式 |
| --- | --- |
| 有真实文字层 | 直接解析 |
| 扫描文档 | OCR |
| 图片 PDF | OCR |
| 混合 PDF | 只 OCR 部分页面 |

例如一份 40 页文档，其中35页是真正的文本，另外5页是图片，那么它会分别处理，降低成本。

OCR 的部分使用 PP-OCRv6 本地模型，就是飞桨。

### AnyDoc

[https://github.com/firecrawl/anydoc](https://github.com/firecrawl/anydoc)

AnyDoc 也能处理 PDF，不过还可以处理 word、excel、ppt、epub、csv 等格式，最大特色是让这些文档拥有统一的输出结构。包括：

- 表格格式一致；
- 标题格式一致；
- 脚注处理一致；
- 链接处理一致；

让不同文档的这些内容（粗体、斜体、删除线、代码块、列表等）都有统一的结构。

而 PDF 支持是依靠上面的 pdf-inspector 项目。

另外拥有 Agent skill 可以让AI来操作。

纯本地项目，不需要任何 API。

只要你经常需要让AI来处理各类文档，先用它来处理一遍，可以更高效、更准确，以及更省钱。

---

原文：https://www.appinn.com/firecrawl-pdf-inspector-anydoc/

## Topics

**分类目录:** [AI](https://www.appinn.com/category/ai/?output_format=md)

**标签:** [Markdown](https://www.appinn.com/tag/markdown/?output_format=md), [PDF](https://www.appinn.com/tag/pdf/?output_format=md), [文档](https://www.appinn.com/tag/%e6%96%87%e6%a1%a3/?output_format=md)