Sådan omdanner du PDF- og Word-filer til tekst til AI: Microsofts MarkItDown

Flere instruktioner findes i Ailoot-dokumentationen.

Hvad er MarkItDown, og hvad bruges det til?#

Du sender en kontrakt, en rapport eller et regnskabsudtræk til en AI og får et svar, der ikke har noget med dokumentet at gøre. Årsagen er som regel ikke modellen. Filen indeholder et format: Word er et arkiv med opmærkning, Excel er et regneark med forbindelser mellem celler, og PDF er en samling tegn med koordinater på en side. Modellen arbejder med tekst, og nogen skal udtrække teksten.

Det er det, MarkItDown gør. Projektet findes på github.com/microsoft/markitdown under MIT-licensen, så du kan bruge det uden begrænsninger. Den 18. august 2026 havde det 174,412 stjerner og 12,756 forks; den seneste udgivelse, 0.1.7, kom den 29. juli. Projektet er aktivt, men fokus er flyttet fra udvikling til vedligeholdelse: Det har 481 åbne pull requests sammenlignet med 183, der er blevet flettet ind i hele projektets historie.

Udviklerne beskriver formålet sådan:

Den næste sætning i beskrivelsen forklarer halvdelen af de klager, folk har over værktøjet:

Resultatet er råmateriale til en model. Det bliver ikke et flot dokument, og projektet siger det tydeligt allerede i første afsnit.

Beskrivelsen svarer direkte på, hvorfor det bruger Markdown: førende modeller ”taler” allerede dette opmærkningssprog og tager det med i deres svar uden at blive bedt om det, fordi de så enorme mængder af det under træningen. Opmærkningssproget er også kompakt: tre hashtegn for en overskrift i stedet for et dusin linjer metadata.

Hvordan adskiller MarkItDown sig fra en almindelig konverter?#

Forskellen fremgår tydeligt af et eksempel. Tag en mappe med tyve PDF-filer, og prøv at køre dem gennem pandoc. Det virker ikke: pandoc kan oprette PDF-filer som output, men kan ikke læse dem som input. Og situationen ”Jeg har en bunke dokumenter; giv dem til modellen” er den mest almindelige.

MarkItDown-forfatterne sammenligner værktøjet med textract, et bibliotek, der blot udtrækker tekst fra hvad som helst. Forskellen er, at MarkItDown forsøger at bevare strukturen: overskrifter, lister, tabeller og links.

Den praktiske konklusion er enkel. Hvis du skal omdanne en artikel til et layout til udgivelse, skal du bruge pandoc. Hvis du skal have en AI til at forstå tyve kontrakter, skal du bruge MarkItDown.

Hvordan installerer du MarkItDown uden at få den første udgivelse?#

Først den rigtige kommando; derefter hvorfor det er den rigtige.

1. Kontrollér Python-versionen

   Python 3.12 er mest pålidelig: Den nyeste MarkItDown-version installeres i alle testede miljøer med den. Kommandoen python3 --version viser, hvad du har. På Intel-Mac-computere eller Mac-computere med en ældre macOS-version kan Python 3.13 og 3.14 stille og roligt nedgradere; Python 3.15 understøttes endnu ikke, som forklaret nedenfor.

2. Installér med de angivne formater

   Kør pip install 'markitdown[pdf,docx,xlsx,pptx]'. Anførselstegnene er nødvendige, ellers fortolker skallen de kantede parenteser. På en Intel-Mac skal du tilføje flaget --prefer-binary efter install.

3. Kontrollér straks, at det blev installeret

   Kør markitdown --version. Svaret bør være markitdown 0.1.8 eller nyere. Et lavere tal betyder, at installationen blev nedgraderet; dette afsnit forklarer hvorfor.

pip install 'markitdown[pdf,docx,xlsx,pptx]'
markitdown --version

Projektbeskrivelsen angiver pip install 'markitdown[all]' som hovedkommandoen til at installere alt på én gang. Den 28. september 2026, en uge efter at 0.1.8 udkom, blev fire varianter kørt i rene miljøer på en Apple Silicon-Mac med Python 3.14.6 og 3.12.12:

Alle otte installationer sluttede med “Successfully installed”, og markitdown --version returnerede 0.1.8 i hvert tilfælde. I august, hvor 0.1.7 var den nyeste udgivelse, installerede den tredje kommando 0.0.2 på Python 3.14, udgivet den 8. marts 2025 – den næstførste udgivelse i projektets historie. Nu har det elleve stabile udgivelser fra 0.0.1 til 0.1.8 og seksogtyve inklusive forhåndsudgivelser.

Årsagen var afhængighedskæden. I 0.1.7 henter tilføjelsen [all] et bibliotek til YouTube-undertekster fra en bestemt udgivelsesserie, og alle udgivelser i serien angiver, at de ikke fungerer på Python 3.14. Installationsprogrammet afviser dem og går, fordi ingen version er fastlåst, baglæns gennem MarkItDown-versionerne, indtil det finder en, der kan installeres. Det finder 0.0.2 og installerer den, så du får en udgivelse fra halvandet år siden på din computer. I 0.1.8 blev kravet til undertekstbiblioteket hævet til en serie, der fungerer på 3.14, og nedgraderingen stoppede dermed.

Mekanismen findes stadig. Hvis installationsprogrammet ikke kan finde én nødvendig komponent til dit system, går det stille og roligt tilbage til 0.0.2 på samme måde. I nyere versioner er komponenten onnxruntime-motoren, som filtypegenkendelsen bruger. På Mac bygges den sådan: til Python 3.12, macOS 11 og nyere; til 3.13, macOS 13; til 3.14, kun Apple Silicon med macOS 14 eller nyere. Hvis din Mac ikke opfylder kravene, installerer selv den enkle kommando pip install markitdown 0.0.2. En test på en Intel-Mac med Python 3.14 via Rosetta gav præcis dette resultat: “Successfully installed”, ingen advarsler og 0.0.2 installeret.

Intel-Mac-computere har endnu en komplikation. Siden juni 2026 er kryptografibiblioteket, der hentes ind til læsning af PDF-filer, blevet udgivet uden en prækompileret version til denne processor, så installationsprogrammet forsøger at bygge det fra kilden. Tilføj flaget --prefer-binary til kommandoen, så bruger den den tidligere version med en prækompileret pakke. Ved test på Python 3.13 til Intel installerede det 0.1.8, og PDF-filen blev åbnet. Flaget installerer cryptography 48.0.1, som har tre kendte sårbarheder: i PKCS#7-dekryptering og verifikation af certifikatkæder. MarkItDown bruger det kun til at dekryptere krypterede PDF-filer, og dokumentlæsning kommer ikke i nærheden af disse dele.

På Python 3.15 sker nedgraderingen af to årsager. Version 0.1.8 erklærer kun understøttelse fra 3.10 til og med 3.14, og der findes endnu ingen motor til 3.15. Installationsprogrammets afhængighedsopløsning for 3.15 bekræfter det: både den enkle kommando og kommandoen med formater installerer samme 0.0.2.

En nedgraderingsadvarsel ser sådan ud, én linje for hvert tilvalg i kommandoen:

WARNING: markitdown 0.0.2 does not provide the extra 'all'

Linjen forsvinder blandt snesevis af downloadlinjer og siger intet om den version, der indsættes i stedet. Med en enkel kommando uden tilvalg er der ikke engang en advarsel. Den endelige besked er munter: “Successfully installed.”

Det er heller ikke en løsning at installere uden tilvalg. Grundpakken installeres, men kan ikke åbne PDF-filer:

PdfConverter recognized the input as a potential .pdf file, but the
dependencies needed to read .pdf files have not been installed. To resolve
this error, include the optional dependency [pdf] or [all] when installing
MarkItDown. For example:

* pip install 'markitdown[pdf]'
* pip install 'markitdown[all]'

Værktøjet anbefaler selv [all], og med 0.1.8 fungerer det råd igen på Python 3.14 og 3.12. Det er stadig bedre at angive formaterne ved navn: [all] tilføjer omkring femten ekstra pakker og cirka 55 megabyte, herunder et Azure-bibliotek i forhåndsudgave og netop den YouTube-afhængighedskæde, der allerede har ødelagt en installation én gang.

Installationsprogrammet håndterer selv Azure-forhåndsudgaven. Normalt springer pip forhåndsudgivelser over, men her angiver kravet udtrykkeligt en forhåndsudgivelse, så den installerer den. Fire pip-versioner fra 23.2 til 26.2 blev testet på Python 3.12; alle vælger 0.1.8.

I august gav en geninstallation i et andet rent miljø samme resultat: 0.0.2 og ordet “Successfully”.

Der er nogle praktiske detaljer, som er gode at kende på forhånd.

Det fylder en del: en grundinstallation fylder 143 megabyte; med fire formater 303. Den tungeste komponent på 81 megabyte er filtypegenkendelsen, som også hentes ved grundinstallationen. Det betyder ikke noget på en bærbar computer, men betyder noget for en cloudfunktion med en størrelsesgrænse.

Regn ikke med spejle som reserve. Et testet spejl leverede et indeks, og MarkItDown-filerne var til stede, men én nødvendig afhængighed manglede, så installationen mislykkedes på både Python 3.14 og 3.12.

Installationen er en bagatel sammenlignet med hovedproblemet. Langt oftere producerer en AI noget sludder, fordi det forkerte indhold eller den forkerte repræsentation endte i dens kontekstvindue. Evnen til at afgøre, hvad man skal give en model før en opgave, kaldes kontekstteknik, og dokumentforberedelse er en del af det.

Hvordan omdanner du dit første dokument til tekst?#

Den korteste mulighed:

markitdown dogovor.docx

Teksten vises i terminalen. Du kan gemme den i en fil på to måder:

markitdown dogovor.docx -o dogovor.md
markitdown dogovor.docx > dogovor.md

Forskellen er ubetydelig på Mac og Linux, men vigtig på Windows: omdirigering gennem > kan få programmet til at gå ned, når outputtet indeholder kyrillisk tekst.

Du kan sende en fil som en strøm; i så fald er det nyttigt at angive filtypen:

cat dogovor.docx | markitdown -x docx

Her er de vigtigste flag fra hjælpen i 0.1.8:

Den samme hjælp viser yderligere tre nyttige flag, som alle er blevet testet: --list-plugins viser installerede plugins, -p aktiverer dem ved en bestemt kørsel, og --keep-data-uris beholder billeder, der er indlejret i dokumentet, i outputtet (de beskæres som standard). Resten er indstillinger til Microsofts cloudtjenester.

Python-wrapperen fylder tre linjer:

from markitdown import MarkItDown

md = MarkItDown()
print(md.convert("ostatki.xlsx").text_content)

Det samme kald accepterer en URL. En enkel side returnerede ren tekst på 167 tegn, inklusive en overskrift og et link, uden menu og sidefod:

r = md.convert("https://example.com")

Hvilke formater forstår MarkItDown, og hvad betyder det i praksis?#

En oversigtstabel over, hvad der hævdes, og hvad det betyder i praksis.

Tre punkter mere detaljeret.

Billeder. Beskrivelsen indeholder ordet OCR, så folk forventer, at programmet kan læse tekst fra et foto. Det kan det ikke. Det læser metadata med et separat program, exiftool, og kan, hvis du forbinder en synsmodel med din egen nøgle, sende billedet til den for at få en beskrivelse.

Lyd. Talegenkendelse er tilgængelig, men sproget sendes ikke med, og motoren forventer engelsk som standard. Den kalder også Googles uofficielle gratis slutpunkt, der er begrænset til omkring halvtreds anmodninger om dagen pr. nøgle.

Arkiver. Programmet pakker ZIP-filer ud og gennemgår filerne indeni og sammenkæder resultaterne. Hvis det ikke kan analysere en fil, fanges fejlen og skjules. Filen vises simpelthen ikke i resultatet, og du får det ikke at vide.

Hvad sker der med dokumenter, der indeholder kyrillisk tekst?#

Filerne nedenfor blev oprettet specifikt til test; deres data er opdigtede.

Excel-lagerarket kom lige så rent ud, og arknavnet blev til en overskrift:

## Stock
| Item | In stock | Reserved | Available |
| --- | --- | --- | --- |
| Coffee beans, kg | 420 | 38 | 382 |
| Loose-leaf tea, kg | 180 | 52 | 128 |

Præsentationen blev til tekst med slidenumre vist som annotationer og slidetitler omdannet til overskrifter. Den kyrilliske tekst er også intakt her. Den generelle påstand om, at ”MarkItDown ikke forstår kyrillisk”, er forkert.

Nu til de tre steder, hvor det går galt.

CSV med semikolon. To identiske fakturaudtræk blev kørt til sammenligning. Det, der brugte kommaer, gav en korrekt tabel med fire kolonner. Med semikolon ender hele linjen i én celle.

Hele linjen endte i én celle. Kodningen blev genkendt korrekt, og der var ingen fejl; flaget -c hjælper ikke. Modellen får denne tabel og forstår ikke, hvilken værdi der er beløbet, og hvilken der er status. Eksportér filen igen med en udtrykkelig kommaafgrænser og korrekt kodning, og bevar originalen uændret. Erstat ikke semikolon globalt: Separatorer i tekst med anførselstegn og decimalkommaer kan være en del af en værdi. Hvis geneksport ikke er mulig, skal du parse originalen med dens faktiske afgrænser og skrive en ny CSV med en CSV-bevidst skriver, der bevarer anførselstegn og celleværdier. Sammenlign kolonneantal, rækkeantal og kontrolsummer med kildeudtrækket før analyse.

Valutaformatering i Excel. Valutasymbolet gemmes i cellens visningsindstillinger og indgår ikke i selve værdien. Projektets vedligeholdere har bekræftet årsagen. For en prisliste eller en faktura betyder det noget: Modellen ser tal uden at vide, hvilken valuta de repræsenterer.

Windows-konsollen. Programmet kan gå ned på filer med ikke-latinske tegn.

Fejlsporet viser kodningen cp1251, hvilket betyder Windows-konsollen. Selve dokumentet analyseres korrekt; det er udskrivningen af resultatet i terminalvinduet, der fejler. Der er derfor to løsninger:

markitdown dogovor.docx -o dogovor.md
$env:PYTHONUTF8 = "1"; markitdown dogovor.docx > dogovor.md

Den første omgår konsollen helt; den anden får Python til at skrive i UTF-8. Folk har indsendt rettelser til selve værktøjet mindst seks gange: nogle forslag blev lukket uden at blive flettet ind, mens resten stadig er åbne. Så du må arbejde uden om problemet.

Et fjerde symptom viser sig i PDF-filer: sekvenser som (cid:1090) i stedet for bogstaver. Det betyder, at filen har en skrifttabel, der ikke er standard, og at tegnene ikke kunne afkodes. Det nytter ikke at behandle sådan et dokument med MarkItDown; du har brug for et andet værktøj.

Hvorfor bliver en PDF til noget rod?#

Til testen blev en videnskabelig artikel på 2.16 megabyte med to spalter behandlet. Exitkoden var nul; efter 0.9 sekunder indeholdt outputtet 88,000 tegn, næsten alt sammen noget rod. Otteogfirs tusind tegn giver indtryk af, at alt fungerede. Lige indtil du åbner filen:

|     | Hybrid |          | OCR-LLM     |     | Framework  |
| --- | ------ | -------- | ----------- | --- | ---------- |
...
Informationextractionfromcopy-heavydoc-
5202 tcO 11  ]LC.sc[  1v83101.0152:viXra

Tre ting gik galt på én gang. Layoutet med to spalter blev til tabeller, som ikke findes i artiklen. Ord løb sammen uden mellemrum. Den sidste linje er en lodret sidebjælke på siden, udtrukket baglæns.

Så kom den sjove del. Testartiklen viste sig at være selve det arbejde, der målte MarkItDown og sammenlignede det med andre værktøjer. Værktøjet omdannede afsnittet med dets egne målinger til dette:

cues. This name-matching error could be miti-  OCRpreprocessingoverhead(0.056s),whileDo-
gatedthroughpromptengineeringtoprovidemore  clingandMinerUadoptmorecomputationallyin-
explicit matching instructions or fine-tuning the  tensive strategies with OCR latencies of approxi-

Venstre og højre spalte er sat sammen linje for linje. En model, der får dette, vil læse halvdelen af en sætning fra ét afsnit og halvdelen fra et andet.

Årsagen er teknisk og enkel. Word gemmer eksplicit ”dette er en overskrift” og ”dette er en tabelcelle”. En PDF gemmer ”dette er et tegn” og ”dette er dets koordinater på siden”. At genskabe strukturen ud fra koordinater er en separat og vanskelig opgave, og MarkItDown forsøger knap nok. Kildekoden til PDF-analyse indeholder ingen overskriftsgenkendelse: Hvis en side ikke genkendes som en formular eller en tabel, behandles hele dokumentet med grundlæggende tekstudtræk.

Brugere rapporterer jævnligt dette i projektets repository, også for videnskabelige artikler og tabeller.

Værktøjet finder ikke en eneste overskrift i PDF-filer, præcis som kildekoden viser.

Påstanden ”MarkItDown opnår 82 % nøjagtighed” cirkulerer på nettet uden nogen metodebeskrivelse. Når man sporer den tilbage til den oprindelige kilde, fører det ingen vegne: Linkkæden ender på en side, der ikke indlæses. Det kan ikke behandles som en måling.

Hvad sker der med en scannet kontrakt?#

Denne adfærd er farligere end de andre, fordi den ikke ligner en fejl.

Til testen blev der lavet en PDF ud fra et billede med tekst – altså præcis det, du får, når en kontrakt fotograferes eller scannes. Kørslen blev gentaget for at udelukke tilfældigheder:

Nul tegn og nul fejl, to gange i træk. En exitkode på nul betyder ”alt gik godt”, og ethvert script, der kontrollerer, om det lykkedes, via exitkoden, vil tælle dokumentet som behandlet. Derefter sendes det tomme output til modellen, modellen ser ingenting og begynder at finde på et svar ud af den blå luft.

Der findes to løsninger, og begge koster penge. Den første er flaget -d, som sender dokumentet til Microsofts cloudtjeneste til genkendelse; flagets hjælpetekst siger udtrykkeligt, at et gyldigt serviceendpoint er påkrævet. Den anden er en separat tilføjelsespakke, der sender sider til en synsmodel med din nøgle, så du betaler modeludbyderen for hver side. Siden april 2026 har en åben diskussion om den anden metode rapporteret, at kun den første side af en scanning med flere sider behandles.

Du kan også køre en genkendelsesmodel på din egen computer, men det er et separat projekt.

For et enkelt dokument er det nemmere at åbne det og kopiere teksten manuelt. Til en strøm af scanninger har du brug for et værktøj med indbygget genkendelse.

Kan du ikke bare overføre filen til en onlinekonverter?#

”MarkItDown online” er et af de mest almindelige søgeforslag, og der findes websteder, der tilbyder det. Microsofts oprindelige værktøj har slet intet websted; det findes kun som et program, du selv installerer. Alt med et lignende navn, der åbnes i en browser, er lavet af nogen andre.

Du kan kontrollere sådan en tjeneste på et minut: Åbn udviklerværktøjerne på fanen med netværksanmodninger, overfør en harmløs fil, og se, om den sendes til en server. Hvis den gør det, er påstanden om behandling i browseren falsk, uanset hvor overbevisende den præsenteres i FAQ'en.

Det er derfor, MarkItDown værdsættes, når dokumenter ikke må sendes uden for organisationen. I en diskussion beskrev nogen sin situation: Vilkårlige programmer var forbudt på arbejdslaptopen, men Python-biblioteker var tilladt, og det lokale værktøj viste sig at være den eneste tilgængelige mulighed.

Hvor meget sparer MarkItDown egentlig?#

En Office-fil er struktureret som et arkiv med opmærkning. Hvis du pakker de tre testfiler ud og sammenligner størrelsen af den del, der indeholder indholdet, med størrelsen af outputtet, får du dette:

Filerne er små; proportionerne vil være anderledes for større filer, og der findes ikke ét enkelt besparelsestal. Når der står runde tal i sammenligningsartikler, bør du spørge til metoden.

Udviklerne taler også selv om besparelser: Projektbeskrivelsen siger specifikt, at Markdown-konventioner er meget økonomiske med hensyn til tegn. Det er sandt, men bør ikke være det vigtigste salgsargument. Forskellen mellem ”modellen fik tre tusind tegn i stedet for femten tusind” og ”modellen fik en tydelig struktur i stedet for noget rod” er af en helt anden størrelsesorden. Det første sparer penge; det andet afgør, om svaret giver mening.

Hvis du bekymrer dig om kontekstforbrug, behandles det separat: Hvor tokens går hen i Claude og hvor mange der er inkluderet i hver plan.

Hvordan forbinder du MarkItDown med Claude gennem MCP?#

MCP er en måde at give en AI et eksternt værktøj, som den selv kan bruge. Se gennemgangen af MCP-servere til Claude Code for en oversigt over mekanismen og andre servere.

MarkItDown-serveren stiller præcis ét værktøj til rådighed: at konvertere et dokument til tekst. Den accepterer en lokal filsti, en side-URL eller data, der er indlejret direkte i anmodningen.

Den forbindes med Claude Code med én kommando, hvor serverversionen er fastlåst. Du skal bruge pakkehåndteringen uv:

claude mcp add --scope user --env 'ORT_DISABLE_TELEMETRY=1' --env 'UV_PYTHON=3.12' --transport stdio markitdown -- uvx markitdown-mcp@0.0.1a7
claude mcp list

Svaret på den anden kommando bør vise ”Connected” for markitdown. Første start downloader omkring halvfjerds pakker og tager op til et minut; derefter starter serveren på ét til halvandet sekund.

Her er forbeholdene, som hver især er kontrolleret manuelt.

Build 0.0.1a7 blev udgivet den 14. september 2026. Før det havde serveren siddet fast på 0.0.1a4 fra maj 2025 i over et år. Det seneste versionsnummer er stadig en forhåndsudgivelse.

Den kan ikke installeres på alle systemer med en nyere version af Python. Den onnxruntime-motor, den afhænger af, findes til Python 3.14 på Mac kun til Apple Silicon med macOS 14 eller nyere, så installationen mislykkes på Intel-Mac-computere og på macOS 13 eller ældre med Python 3.14. På en Apple Silicon-Mac blev serveren kørt på Python 3.14, 3.13 og 3.12 og installeret på alle tre. Kommandoen bruger UV_PYTHON=3.12: prækompilerede pakker til 3.12 findes til Windows, Linux og Apple Silicon-Mac-computere, og hvis du ikke har den Python-version, downloader uv den. Der er også et forbehold for Intel-Mac-computere: uv bygger kryptografibiblioteket fra kilden, fordi der ikke har været en prækompileret pakke til Intel siden juni 2026. Installationen tager længere tid og kan mislykkes.

Versionen af MarkItDown, der installeres indeni, afhænger af uv-versionen. Fra MarkItDown 0.1.6 kræver tilføjelsen [all] et Azure-bibliotek i forhåndsudgave: uv 0.12 og nyere installerer det og den nyeste MarkItDown 0.1.8, mens ældre uv-versioner nedgraderer til 0.1.5. Kontrollér din uv-version med uv --version.

To ting sendes uden for computeren. Den første er telemetri: På Mac og Linux sender onnxruntime-motoren inde i serveren som standard telemetri til Microsoft. Variablen ORT_DISABLE_TELEMETRY=1 i kommandoen deaktiverer den. I testen oprettede serveren forbindelse til Microsofts telemetriendepunkter uden variablen. Med variablen indstillet blev der slet ikke oprettet forbindelser, mens filer blev behandlet fra disken.

Den anden ting er lyd. Serveren sender WAV-, MP3-, M4A- og MP4-filer til Googles talegenkendelsestjeneste til transskription via almindelig HTTP uden kryptering. Det er bedst ikke at sende optagelser af samtaler med kunder gennem den.

Et stort dokument kan ikke være der igennem. En åben diskussion beskriver et serversvar på 51,000 tokens, der rammer en grænse på 25,000 tokens, og værktøjet deler ikke filer op i mindre dele.

Og sikkerheden. Pakkens egen dokumentation siger det tydeligt:

Med andre ord kan en agent med dette værktøj læse alt, hvad du selv kan læse. Det er acceptabelt ved arbejde på din egen computer. Du må ikke eksponere serveren offentligt eller give den til en agent, du ikke har tillid til.

Til almindeligt arbejde er det nemmere at kalde programmet med en kommando og lægge den resulterende tekst i projektet. Filen ligger så ved siden af de øvrige materialer, hvor modellen selv kan konsultere den.

Hvornår er det mere ærligt at bruge et andet værktøj?#

En opgavebaseret sammenligning; GitHub-stjerner har intet med det at gøre:

Der er en detalje om Marker, som sammenligningsartikler udelader. Siden juli 2026 har selve koden været under en tilladende licens, mens modelvægtene er under en separat licens med en tærskel: Brugen er gratis, hvis din virksomhed ikke oversteg fem millioner dollar i omsætning og det samme beløb i rejst finansiering det foregående år. En separat klausul forbyder brug for alle, der bygger et konkurrerende produkt. Det er ligegyldigt for de fleste læsere, men det er en grund til, at en virksomhed i vækst bør læse licensen, før den tager værktøjet i brug.

Det fører til et praktisk arbejdsflow i fire trin:

1. Kør alt gennem MarkItDown – det er gratis og øjeblikkeligt.
2. Åbn resultatet, og kontrollér størrelsen.
3. Hvis teksten giver mening, er opgaven løst; der er ikke brug for mere.
4. Hvis outputtet er noget rod eller tomt, skal du køre den specifikke fil gennem et tungere værktøj.

På den måde betaler du kun tids- og kompleksitetsomkostningen for dokumenter, der har brug for det.

Hvordan indarbejder du MarkItDown i dit arbejdsflow?#

Anthropic bruger selv MarkItDown i sine færdige færdigheder til arbejde med Office-filer, og de færdigheder angiver den grænse, du bør følge, helt tydeligt:

Celle- og sidehenvisninger går tabt i teksten, så du kan ikke bruge den til at foretage ændringer i kildefilen. Her er tre scenarier.

En bunke lignende dokumenter – attester, fakturaer, formularer, ansøgninger. Læg dem i en mappe, og kør dem med én linje:

for f in dokumenty/*.docx; do markitdown "$f" -o "text/$(basename "$f" .docx).md"; done

Giv derefter modellen mappen med tekstfiler, og bed den samle de relevante oplysninger i en tabel. Det fungerer med digitale filer; scanninger fejler, og du opdager dem med det samme på deres størrelse på nul.

Faste projektmaterialer – prislister, kontraktskabeloner, politikker, servicebeskrivelser. Konvertér dem til tekst én gang, og læg dem ved siden af projektet. Modellen kan så læse dem ved hver anmodning, så du ikke behøver at vedhæfte filerne til samtalen hver gang. Artiklen om at uploade filer til Claude forklarer, hvordan det adskiller sig fra at uploade en fil til chatten.

Et udtræk fra et regnskabssystem. Et Excel-udtræk fra regnskabssoftware eller en bankkonto bliver til en tabel på en tredjedel af et sekund, og modellen kan beregne ud fra den uden mellemliggende fifleri. Kontrollér, at CSV-filen er eksporteret eller parset med sin reelle afgrænser, anførselstegnshåndtering og kodning, og sammenlign rækker, kolonner og kontrolsummer, før du giver den til modellen. Normalisér ikke separatorer med søg-og-erstat. Angiv også valutaen udtrykkeligt: Et symbol, der kun ligger i en Excel-celles formatering, overlever ikke udtrækket.

Behandling af store PDF-filer i terminalen står ikke på denne liste. Det er et separat spørgsmål om kontekstforbrug, som behandles i artiklen om PDF-filer i Claude Code uden at miste tokens. Hvis du netop er ved at indrette dit arbejdsmiljø, kan du begynde med at installere Claude Code.

For at komme i gang med det samme skal du køre pip install 'markitdown[pdf,docx,xlsx,pptx]', behandle den første Word-kontrakt, du finder, og kontrollere resultatets størrelse. På et halvt minut ved du, om det virker med dine filer.

Når du er klar, kan du møde Ailoot.