Ako previesť súbory PDF a Word na text pre AI: MarkItDown od Microsoftu

Ďalšie pokyny nájdete v dokumentácii Ailoot.

Čo je MarkItDown a na čo slúži?#

Pošlete AI zmluvu, správu alebo účtovný export a dostanete odpoveď, ktorá s dokumentom vôbec nesúvisí. Príčinou zvyčajne nie je model. Súbor obsahuje určitý formát: Word je archív so značkami, Excel je tabuľkový hárok s prepojeniami medzi bunkami a PDF je súbor znakov so súradnicami na stránke. Model pracuje s textom a niekto ho musí zo súboru extrahovať.

Presne to robí MarkItDown. Repozitár je na adrese github.com/microsoft/markitdown a používa licenciu MIT, takže ho môžete používať bez obmedzení. K 18. augustu 2026 má 174,412 hviezdičiek a 12,756 fork-ov; najnovšie vydanie 0.1.7 vyšlo 29. júla. Projekt je aktívny, hoci sa jeho zameranie presunulo z vývoja na údržbu: má 481 otvorených pull requestov oproti 183 zlúčeným za celú históriu projektu.

Vývojári opisujú jeho účel takto:

Nasledujúca veta v opise vysvetľuje polovicu sťažností, ktoré ľudia na tento nástroj majú:

Výstup je surový materiál pre model. Nebude to krásny dokument a projekt to hovorí otvorene hneď v prvej časti.

Opis priamo vysvetľuje, prečo používa Markdown: popredné modely už „hovoria“ týmto značkovacím jazykom a bez vyzvania ho zahŕňajú do odpovedí, pretože ho počas trénovania videli v obrovskom množstve. Značky sú navyše úsporné: tri znaky mriežky pre nadpis namiesto tucta riadkov metadát.

Čím sa MarkItDown líši od bežného konvertora?#

Rozdiel je jasný na jednom príklade. Vezmite priečinok s dvadsiatimi PDF a skúste ich spracovať cez pandoc. Nepôjde to: pandoc dokáže vytvárať PDF ako výstup, ale nedokáže ich čítať ako vstup. A práve situácia „mám kopu dokumentov, dajte ich modelu“ je najčastejšia.

Autori MarkItDownu ho porovnávajú s knižnicou textract, ktorá jednoducho extrahuje text odkiaľkoľvek. Rozdiel je v tom, že MarkItDown sa pokúša zachovať štruktúru: nadpisy, zoznamy, tabuľky a odkazy.

Praktický záver je jednoduchý. Ak potrebujete previesť článok do rozloženia vhodného na publikovanie, použite pandoc. Ak chcete, aby AI porozumela dvadsiatim zmluvám, použite MarkItDown.

Ako nainštalovať MarkItDown bez toho, aby ste dostali prvé vydanie?#

Najprv správny príkaz a potom vysvetlenie, prečo je správny.

1. Skontrolujte verziu Pythonu

   Najspoľahlivejší je Python 3.12: najnovší MarkItDown sa nainštaloval v každom prostredí, v ktorom sme ho testovali. Príkaz python3 --version ukáže, akú verziu máte. Na Macoch s procesorom Intel alebo so staršou verziou macOS sa môžu verzie Python 3.13 a 3.14 potichu vrátiť na staršiu verziu; Python 3.15 zatiaľ nie je podporovaný, ako vysvetľujeme nižšie.

2. Nainštalujte ho s uvedenými formátmi

   Spustite pip install 'markitdown[pdf,docx,xlsx,pptx]'. Úvodzovky sú povinné, inak shell interpretuje hranaté zátvorky. Na Macu s procesorom Intel pridajte po install príznak --prefer-binary.

3. Hneď skontrolujte, či sa nainštaloval

   Spustite markitdown --version. Výstup má byť markitdown 0.1.8 alebo novšia verzia. Nižšie číslo znamená, že sa inštalácia vrátila na staršiu verziu; táto časť vysvetľuje prečo.

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

Opis projektu uvádza ako hlavný príkaz pip install 'markitdown[all]'—na nainštalovanie všetkého naraz. Dňa 28. septembra 2026, týždeň po vydaní verzie 0.1.8, sa v čistých prostrediach na Macu s Apple Silicon a Pythonom 3.14.6 a 3.12.12 spustili štyri varianty:

Všetkých osem inštalácií sa skončilo hlásením „Successfully installed“ a príkaz markitdown --version v každom prípade vrátil 0.1.8. V auguste, keď bola najnovším vydaním verzia 0.1.7, tretí príkaz v Pythone 3.14 nainštaloval verziu 0.0.2, vydanú 8. marca 2025—druhé vydanie v histórii projektu. Teraz má projekt jedenásť stabilných vydaní, od 0.0.1 po 0.1.8, a spolu s predbežnými vydaniami dvadsaťšesť.

Príčinou bol reťazec závislostí. Vo verzii 0.1.7 doplnok [all] pridáva knižnicu titulkov YouTube z konkrétnej série vydaní a všetky vydania z tejto série deklarujú, že v Pythone 3.14 nefungujú. Inštalátor ich odmietne a keďže nie je pripnutá žiadna verzia, postupne skúša staršie verzie MarkItDownu, kým nenájde takú, ktorú možno nainštalovať. Nájde 0.0.2 a nainštaluje ju, čím do počítača dostanete vydanie spred roka a pol. Vo verzii 0.1.8 sa požiadavka na knižnicu titulkov posunula na sériu, ktorá funguje v Pythone 3.14, a návrat na staršiu verziu sa tým zastavil.

Mechanizmus stále existuje. Ak inštalátor nedokáže nájsť jednu požadovanú súčasť pre váš systém, rovnakým spôsobom sa potichu vráti na 0.0.2. V nedávnych verziách je touto súčasťou engine onnxruntime, ktorý používa detektor typu súboru. Na Macu je dostupný takto: pre Python 3.12 macOS 11 a novší; pre 3.13 macOS 13; pre 3.14 iba Apple Silicon s macOS 14 alebo novším. Ak váš Mac tieto požiadavky nespĺňa, aj samotný príkaz pip install markitdown nainštaluje 0.0.2. Test na Macu s procesorom Intel, Pythonom 3.14 a Rosettou priniesol presne tento výsledok: „Successfully installed“, bez upozornení a s verziou 0.0.2.

Macy s procesorom Intel majú ešte jednu komplikáciu. Od júna 2026 sa knižnica cryptography potrebná na čítanie PDF vydáva bez predpripravenej verzie pre tento procesor, takže inštalátor sa ju pokúša zostaviť zo zdrojového kódu. Pridajte k príkazu príznak --prefer-binary a použije sa predchádzajúca verzia s predpripraveným balíkom. Pri testovaní na Pythone 3.13 s procesorom Intel sa tak nainštalovala verzia 0.1.8 a PDF sa otvorilo. Príznak nainštaluje cryptography 48.0.1, ktorá má tri známe zraniteľnosti: pri dešifrovaní PKCS#7 a overovaní reťazca certifikátov. MarkItDown ju používa iba na dešifrovanie zašifrovaných PDF a pri čítaní dokumentov sa k týmto častiam nedostane.

Pri Pythone 3.15 dochádza k návratu na staršiu verziu z dvoch dôvodov. Verzia 0.1.8 deklaruje podporu iba pre verzie od 3.10 po 3.14 a pre verziu 3.15 zatiaľ neexistuje engine. Riešenie závislostí inštalátorom pre verziu 3.15 to potvrdzuje: základný príkaz aj príkaz s uvedenými formátmi nainštalujú rovnakú verziu 0.0.2.

Upozornenie na návrat k staršej verzii vyzerá takto, jeden riadok pre každý doplnok v príkaze:

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

Riadok sa stratí medzi desiatkami riadkov sťahovania a nič nehovorí o verzii, ktorá ho nahradila. Pri základnom príkaze bez doplnkov sa nezobrazí ani upozornenie. Záverečné hlásenie pritom znie veselo: „Successfully installed“.

Inštalácia bez doplnkov tiež nie je riešením. Základný balík sa nainštaluje, ale nedokáže otvoriť PDF:

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]'

Samotný nástroj odporúča [all] a vo verzii 0.1.8 táto rada znovu funguje v Pythone 3.14 aj 3.12. Aj tak je lepšie uviesť formáty jednotlivo: [all] pridáva ďalších približne pätnásť balíkov a približne 55 megabajtov vrátane predbežnej verzie knižnice Azure a práve toho reťazca závislostí YouTube, ktorý už raz spôsobil problém s inštaláciou.

Inštalátor si s predbežnou verziou Azure poradí sám. pip predbežné verzie zvyčajne preskakuje, ale tu požiadavka výslovne uvádza predbežnú verziu, takže ju nainštaluje. V Pythone 3.12 sa testovali štyri verzie pipu, od 23.2 po 26.2; všetky vyberú 0.1.8.

V auguste priniesla opakovaná inštalácia v ďalšom čistom prostredí rovnaký výsledok: 0.0.2 a slovo „Successfully“.

Vopred sa oplatí poznať niekoľko praktických podrobností.

Je pomerne veľký: základná inštalácia zaberie 143 megabajtov, so štyrmi formátmi 303. Najväčšou súčasťou je detektor typu súboru s veľkosťou 81 megabajtov, ktorý sa pridá aj pri základnej inštalácii. Na notebooku to neprekáža, ale pri cloudovej funkcii s limitom veľkosti áno.

Nespoliehajte sa na zrkadlá ako na záložnú možnosť. Testované zrkadlo poskytlo index a obsahovalo súbory MarkItDownu, ale chýbala jedna požadovaná závislosť, takže inštalácia zlyhala v Pythone 3.14 aj 3.12.

Inštalácia je drobnosť v porovnaní s hlavným problémom. Oveľa častejšie AI vytvára nezmysly preto, že do kontextového okna dostala nesprávny obsah alebo jeho nesprávnu reprezentáciu. Schopnosť rozhodnúť, čo modelu poskytnúť pred úlohou, sa nazýva kontextové inžinierstvo a príprava dokumentov je jeho súčasťou.

Ako previesť prvý dokument na text?#

Najkratšia možnosť:

markitdown dogovor.docx

Text sa vypíše v termináli. Ak ho chcete uložiť do súboru, máte dve možnosti:

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

Na Macu a Linuxe je rozdiel zanedbateľný, ale vo Windows na ňom záleží: presmerovanie pomocou > môže spôsobiť zlyhanie programu, keď výstup obsahuje cyriliku.

Súbor môžete odovzdať ako stream; v takom prípade sa hodí uviesť príponu:

cat dogovor.docx | markitdown -x docx

Tu sú hlavné príznaky z pomocníka vo verzii 0.1.8:

Ten istý pomocník uvádza tri ďalšie užitočné príznaky, z ktorých každý bol otestovaný: --list-plugins zobrazí nainštalované doplnky, -p ich zapne pre konkrétne spustenie a --keep-data-uris zachová vo výstupe obrázky vložené do dokumentu (predvolene sa orežú). Ostatné príznaky nastavujú cloudové služby Microsoftu.

Obal v Pythone má tri riadky:

from markitdown import MarkItDown

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

Rovnaké volanie prijíma aj URL. Jednoduchá stránka vrátila čistý text so 167 znakmi vrátane nadpisu a odkazu, bez ponuky a päty:

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

Aké formáty MarkItDown rozpozná a čo to naozaj znamená?#

Súhrnná tabuľka toho, čo sa deklaruje a čo sa deje v praxi.

Tri položky podrobnejšie.

Obrázky. Opis obsahuje slovo OCR, takže ľudia očakávajú, že program prečíta text z fotografie. Nerobí to. Číta metadáta pomocou samostatného programu exiftool a ak pripojíte model videnia s vlastným kľúčom, môže mu poslať obrázok na vytvorenie opisu.

Zvuk. Prepis reči je dostupný, ale jazyk sa neodovzdáva a engine predvolene očakáva angličtinu. Volá aj neoficiálny bezplatný endpoint Google, ktorý je obmedzený na približne päťdesiat požiadaviek denne na jeden kľúč.

Archívy. Program rozbalí súbory ZIP a prejde súbory v nich, pričom výsledky spojí. Ak súbor nedokáže analyzovať, chyba sa zachytí a potlačí. Súbor sa jednoducho vo výsledku neobjaví a vy sa o tom nedozviete.

Čo sa stane s dokumentmi obsahujúcimi cyriliku?#

Nasledujúce súbory boli vytvorené špeciálne na testovanie; ich údaje sú vymyslené.

Inventárny hárok Excelu sa spracoval rovnako čisto, pričom názov hárka sa zmenil na nadpis:

## Stock
| Položka | Na sklade | Rezervované | Dostupné |
| --- | --- | --- | --- |
| Zrnková káva, kg | 420 | 38 | 382 |
| Sypaný čaj, kg | 180 | 52 | 128 |

Prezentácia sa zmenila na text, čísla snímok sa zobrazili ako poznámky a názvy snímok sa zmenili na nadpisy. Aj tu sa cyrilika zachovala neporušená. Všeobecné tvrdenie, že „MarkItDown nerozumie cyrilike“, je nepravdivé.

Teraz tri miesta, kde sa veci naozaj pokazia.

CSV so stredníkmi. Na porovnanie sa spracovali dva rovnaké exporty faktúr. Ten s čiarkami vytvoril správnu tabuľku so štyrmi stĺpcami. Pri stredníkoch sa celý riadok dostal do jednej bunky.

Celý riadok skončil v jednej bunke. Kódovanie sa rozpoznalo správne a nedošlo k chybe; príznak -c nepomôže. Model dostane túto tabuľku a nepochopí, ktorá hodnota je suma a ktorá stav. Súbor exportujte znova s výslovným oddeľovačom čiarkou a správnym kódovaním, pričom originál zachovajte. Stredníky nenahrádzajte globálne: oddeľovače v texte v úvodzovkách a desatinné čiarky môžu byť súčasťou hodnoty. Ak nemožno export zopakovať, originál spracujte parserom so skutočným oddeľovačom a nový CSV zapíšte nástrojom, ktorý zachová úvodzovky a hodnoty buniek. Pred analýzou porovnajte počty stĺpcov, riadkov a kontrolné súčty so zdrojovým exportom.

Formátovanie meny v Exceli. Symbol meny je uložený v nastaveniach zobrazenia bunky a nestane sa súčasťou samotnej hodnoty. Správcovia projektu príčinu potvrdili. Pri cenníku alebo faktúre je to dôležité: model uvidí čísla bez informácie o mene, v ktorej sú vyjadrené.

Konzola Windows. Pri súboroch s nelatinkovými znakmi môže program spadnúť.

Záznam chyby ukazuje kódovanie cp1251, teda konzolu Windows. Samotný dokument sa analyzuje správne; zlyháva vypísanie výsledku do okna terminálu. Existujú dve riešenia:

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

Prvý spôsob úplne obíde konzolu, druhý prinúti Python zapisovať v UTF-8. Opravy samotného nástroja boli navrhnuté aspoň šesťkrát: niektoré návrhy sa uzavreli bez zlúčenia a ostatné zostávajú otvorené. Preto si musíte pomôcť obchádzkovým riešením.

Štvrtý príznak sa objavuje v PDF: namiesto písmen sú v ňom reťazce ako (cid:1090). Znamená to, že súbor obsahuje neštandardnú tabuľku písiem a jeho znaky sa nepodarilo dekódovať. Spracúvať takýto dokument cez MarkItDown nemá zmysel; potrebujete iný nástroj.

Prečo je výsledkom PDF chaos?#

Na testovanie sa spracoval vedecký článok s dvoma stĺpcami s veľkosťou 2.16 megabajtu. Návratový kód bol nula; po 0.9 sekundy obsahoval výstup 88,000 znakov, takmer všetky nezmyselné. Osemdesiattisícosemsto znakov vyvoláva dojem, že všetko fungovalo. Až kým súbor neotvoríte:

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

Naraz sa pokazili tri veci. Rozloženie s dvoma stĺpcami sa zmenilo na tabuľky, ktoré v článku nie sú. Slová sa spojili bez medzier. Posledný riadok je zvislý bočný panel na stránke, extrahovaný odzadu.

Potom prišla tá zábavná časť. Ukázalo sa, že testovací článok je práca, ktorá merala MarkItDown a porovnávala ho s ďalšími nástrojmi. Nástroj previedol odsek s vlastnými meraniami takto:

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-

Ľavý a pravý stĺpec sa spájajú po riadkoch. Model, ktorý dostane tento text, prečíta polovicu vety z jedného odseku a polovicu z iného.

Príčina je technická a jednoduchá. Word výslovne ukladá „toto je nadpis“ a „toto je bunka tabuľky“. PDF ukladá „toto je znak“ a „toto sú jeho súradnice na stránke“. Obnovenie štruktúry zo súradníc je samostatná a náročná úloha a MarkItDown sa o ňu sotva pokúša. Zdrojový kód na spracovanie PDF neobsahuje rozpoznávanie nadpisov: ak sa stránka nerozpozná ako formulár alebo tabuľka, celý dokument prejde základnou extrakciou textu.

Používatelia to v repozitári projektu pravidelne hlásia, okrem iného pri vedeckých článkoch a tabuľkách.

Nástroj v PDF nenájde ani jeden nadpis, presne ako ukazuje jeho zdrojový kód.

Na internete koluje tvrdenie, že „MarkItDown dosahuje 82 % presnosť“, bez uvedenia akejkoľvek metodiky. Pátranie po pôvodnom zdroji nikam nevedie: reťazec odkazov sa končí na stránke, ktorá sa nenačíta. Nemožno to považovať za meranie.

Čo sa stane pri skenovanej zmluve?#

Toto správanie je nebezpečnejšie než ostatné, pretože nevyzerá ako zlyhanie.

Na testovanie sa z obrázka s textom vytvorilo PDF—presne taký súbor vznikne, keď zmluvu odfotíte alebo naskenujete. Test sa zopakoval, aby sa vylúčila náhoda:

Nula znakov a nula chýb, dvakrát za sebou. Nulový návratový kód znamená „všetko prebehlo v poriadku“ a každý skript, ktorý kontroluje úspech podľa návratového kódu, bude dokument považovať za spracovaný. Potom prázdny výstup dostane model, model nič nevidí a začne si odpoveď vymýšľať.

Existujú dve riešenia a obe sú platené. Prvým je príznak -d, ktorý odošle dokument do cloudovej rozpoznávacej služby Microsoftu; text pomocníka pri príznaku výslovne uvádza, že je potrebný platný endpoint služby. Druhým je samostatný doplnkový balík, ktorý posiela stránky modelu videnia pomocou vášho kľúča, takže poskytovateľovi modelu platíte za každú stránku. Od apríla 2026 otvorená diskusia o druhom spôsobe uvádza, že sa spracuje iba prvá strana viacstranového skenu.

Rozpoznávací model môžete spustiť aj na vlastnom počítači, ale to je samostatný projekt.

Pri jednom dokumente je jednoduchšie otvoriť ho a skopírovať text ručne. Pri prúde skenov potrebujete nástroj so zabudovaným rozpoznávaním.

Môžete súbor jednoducho nahrať do online konvertora?#

„MarkItDown online“ je jedným z najčastejších návrhov pri vyhľadávaní a existujú stránky, ktoré ho ponúkajú. Pôvodný nástroj Microsoftu nemá vôbec žiadnu webovú stránku; je dostupný len ako program, ktorý si nainštalujete sami. Čokoľvek s podobným názvom, čo sa otvára v prehliadači, vytvoril niekto iný.

Takúto službu môžete skontrolovať za minútu: otvorte vývojárske nástroje na karte sieťových požiadaviek, nahrajte ľubovoľný neškodný súbor a zistite, či sa odosiela na server. Ak áno, tvrdenie o spracovaní v prehliadači je nepravdivé, nech je v časti FAQ podané akokoľvek presvedčivo.

Preto sa MarkItDown cení tam, kde sa dokumenty nesmú posielať mimo organizácie. V jednej diskusii niekto opísal svoju situáciu: na pracovnom notebooku mal zakázané ľubovoľné programy, no knižnice Pythonu boli povolené, a miestny nástroj sa ukázal ako jediná dostupná možnosť.

Koľko toho MarkItDown v skutočnosti ušetrí?#

Súbor Office je štruktúrovaný ako archív so značkami. Ak rozbalíte tri testovacie súbory a porovnáte veľkosť časti s obsahom s veľkosťou výstupu, dostanete toto:

Súbory sú malé; pri väčších sa pomery budú líšiť a neexistuje jedno univerzálne číslo úspory. Keď sa v porovnávacích článkoch objavia zaokrúhlené čísla, pýtajte sa na metodiku.

O úspore hovoria aj samotní vývojári: opis projektu výslovne uvádza, že konvencie Markdownu sú z hľadiska počtu znakov veľmi úsporné. Je to pravda, ale nemalo by ísť o hlavný argument. Rozdiel medzi „model dostal tritisíc znakov namiesto pätnástich tisíc“ a „model dostal jasnú štruktúru namiesto zhluku“ je iného rádu. Prvý šetrí peniaze; druhý rozhoduje o tom, či bude odpoveď dávať zmysel.

Ak vás zaujíma využitie kontextu, tejto téme sa venujú samostatné články: Kam smerujú tokeny v Claude a koľko ich obsahuje každý plán.

Ako pripojiť MarkItDown ku Claude cez MCP?#

MCP je spôsob, ako dať AI externý nástroj, ktorý môže používať samostatne. Prehľad mechanizmu a ďalších serverov nájdete v recenzii serverov MCP pre Claude Code.

Server MarkItDown sprístupňuje presne jeden nástroj: prevod dokumentu na text. Prijíma lokálnu cestu k súboru, URL stránky alebo údaje vložené priamo do požiadavky.

Ku Claude Code sa pripojí jediným príkazom s pripnutou verziou servera. Potrebujete správcu balíkov 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

Odpoveď na druhý príkaz má pri markitdown zobrazovať „Connected“. Prvé spustenie stiahne približne sedemdesiat balíkov a trvá až minútu; potom sa server spustí za jednu až jeden a pol sekundy.

Tu sú výhrady, každá z nich overená ručne.

Zostavenie 0.0.1a7 vyšlo 14. septembra 2026. Predtým server viac než rok uviazol na verzii 0.0.1a4 z mája 2025. Najnovšie číslo verzie stále označuje predbežné vydanie.

Nenainštaluje sa na každý systém s novou verziou Pythonu. Engine onnxruntime, od ktorého závisí, je pre Python 3.14 na Macu dostupný iba pre Apple Silicon s macOS 14 alebo novším, takže inštalácia zlyhá na Macoch s procesorom Intel a pri macOS 13 alebo staršom s Pythonom 3.14. Na Macu s Apple Silicon sa server spustil v Pythone 3.14, 3.13 a 3.12 a nainštaloval sa vo všetkých troch. Príkaz používa UV_PYTHON=3.12: predpripravené balíky pre verziu 3.12 sú dostupné vo Windows, Linuxe a na Macoch s Apple Silicon, a ak túto verziu Pythonu nemáte, uv si ju stiahne. Aj tu platí výhrada pre Macy s procesorom Intel: uv zostaví knižnicu cryptography zo zdrojového kódu, pretože od júna 2026 nie je pre Intel k dispozícii predpripravený balík. Inštalácia trvá dlhšie a môže zlyhať.

Verzia MarkItDownu nainštalovaná vo vnútri závisí od verzie uv. Od verzie MarkItDown 0.1.6 vyžaduje jeho doplnok [all] predbežnú verziu knižnice Azure: uv 0.12 a novší ju nainštaluje spolu s najnovším MarkItDownom 0.1.8, zatiaľ čo staršie verzie uv sa vrátia na 0.1.5. Verziu uv skontrolujte príkazom uv --version.

Dve veci odchádzajú mimo počítača. Prvou je telemetria: na Macu a Linuxe ju engine onnxruntime vo vnútri servera predvolene posiela Microsoftu. Premenná ORT_DISABLE_TELEMETRY=1 v príkaze ju vypne. Pri teste sa server bez tejto premennej pripojil k telemetrickým endpointom Microsoftu. Keď bola premenná nastavená, počas spracovania súborov z disku nevznikli žiadne spojenia.

Druhou vecou je zvuk. Server posiela súbory WAV, MP3, M4A a MP4 do služby rozpoznávania reči Google, ktorá ich prepisuje cez bežné HTTP bez šifrovania. Radšej cez ňu neposielajte nahrávky rozhovorov s klientmi.

Veľký dokument sa cez server nezmestí. Otvorená diskusia opisuje odpoveď servera s 51,000 tokenmi, ktorá narazila na limit 25,000 tokenov, a nástroj súbory nerozdeľuje na časti.

A bezpečnosť. Dokumentácia vlastného balíka jasne uvádza:

Inými slovami, agent s týmto nástrojom môže čítať všetko, čo môžete čítať vy. Pri práci na vlastnom počítači je to prijateľné. Server nesmiete sprístupniť verejne ani ho poskytnúť nedôveryhodnému agentovi.

Pri pravidelnej práci je jednoduchšie spustiť program príkazom a výsledný text uložiť do projektu. Súbor potom leží vedľa ostatných materiálov, kde s ním model môže pracovať samostatne.

Kedy je poctivejšie použiť iný nástroj?#

Porovnanie podľa úloh; počet hviezdičiek na GitHube s tým nesúvisí:

Pri Markeri je jeden detail, ktorý porovnávacie články vynechávajú. Od júla 2026 má samotný kód permisívnu licenciu, kým váhy modelu podliehajú samostatnej licencii s hranicou: používanie je bezplatné, ak príjmy vašej spoločnosti neprekročili päť miliónov dolárov a v predchádzajúcom roku získala rovnakú sumu financovania. Samostatná klauzula zakazuje používanie komukoľvek, kto vytvára konkurenčný produkt. Väčšiny čitateľov sa to netýka, ale rastúca firma by si mala pred jeho prijatím licenciu prečítať.

Z toho vyplýva praktický pracovný postup v štyroch krokoch:

1. Všetko spracujte cez MarkItDown—je bezplatný a okamžitý.
2. Otvorte výsledok a skontrolujte jeho veľkosť.
3. Ak text dáva zmysel, úloha je hotová; nič ďalšie netreba.
4. Ak je výstup chaotický alebo prázdny, spracujte daný súbor náročnejším nástrojom.

Tak zaplatíte časom a zložitosťou len pri dokumentoch, ktoré to potrebujú.

Ako začleniť MarkItDown do pracovného postupu?#

Anthropic používa MarkItDown vo vlastných hotových nástrojoch na prácu so súbormi Office a tie jasne vymedzujú hranicu, ktorú by ste mali úplne prevziať:

Odkazy na bunky a strany sa v texte stratia, takže ho nemožno použiť na úpravy zdrojového súboru. Tu sú tri scenáre.

Dávka podobných dokumentov—protokoly, faktúry, formuláre a žiadosti. Vložte ich do priečinka a spracujte jedným riadkom:

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

Potom dajte modelu priečinok s textovými súbormi a požiadajte ho, aby zhromaždil dôležité informácie do tabuľky. Funguje to s digitálnymi súbormi; skeny zlyhajú a podľa nulovej veľkosti si ich hneď všimnete.

Trvalé materiály projektu—cenníky, šablóny zmlúv, pravidlá a opisy služieb. Raz ich preveďte na text a uložte vedľa projektu. Model si ich potom môže prečítať pri každej požiadavke, takže ich nemusíte zakaždým prikladať ku konverzácii. Článok o nahrávaní súborov do Claude vysvetľuje, čím sa to líši od nahratia súboru do chatu.

Export z účtovného systému. Export Excelu z účtovného softvéru alebo bankového účtu sa za tretinu sekundy zmení na tabuľku a model z nej môže počítať bez medzikrokov. Overte export alebo parsovanie CSV so skutočným oddeľovačom, úvodzovkami a kódovaním a pred odovzdaním modelu porovnajte riadky, stĺpce a kontrolné súčty. Oddeľovače neupravujte hľadaním a nahrádzaním. Menu tiež zaznamenajte výslovne: symbol uložený iba vo formáte bunky Excelu sa pri extrakcii nezachová.

Spracovanie veľkých PDF v termináli do tohto zoznamu nepatrí. Je to samostatný problém týkajúci sa využitia kontextu, ktorému sa venuje článok o PDF v Claude Code bez straty tokenov. Ak si práve nastavujete pracovné prostredie, začnite inštaláciou Claude Code.

Ak chcete začať hneď, spustite pip install 'markitdown[pdf,docx,xlsx,pptx]', spracujte prvú zmluvu vo Worde, ktorú nájdete, a skontrolujte veľkosť výsledku. Za pol minúty budete vedieť, či funguje s vašimi súbormi.

Keď budete pripravení, zoznámte sa s Ailoot.