# PDF ใน Claude Code: การแปลง โทเค็น และการรักษาโครงสร้าง > MarkItDown, PyMuPDF4LLM, MCP, สคริปต์แปลงไฟล์ฉบับสมบูรณ์ ข้อจำกัดของ PDF และกรณีที่การวิเคราะห์ภาพสำคัญกว่าการประหยัดโทเค็น Source: https://ailoot.ai/blog/th/pdf-claude-code-markdown/ Canonical: https://ailoot.ai/blog/th/pdf-claude-code-markdown/ Language: th Publisher: Ailoot (https://ailoot.ai/) Translation: guide-196 Revision: sha256-fbf48239e064aec3bbf76e77469985a50d743d3dbcb0da84631171b7a4a06064
ประเด็นสำคัญ PDF แต่ละหน้าใน Claude Code ใช้ 1,500–3,000 โทเค็นก่อนถามคำถามแรก และ Anthropic ระบุเรื่องนี้ไว้อย่างชัดเจนในเอกสารประกอบ ตัวอย่างคำนวณด้านล่างใช้รายงาน 15 หน้าใน 4 แชต ได้อินพุต PDF 135,000 โทเค็นประมาณ $0.40 เทียบ Markdown 18,000 โทเค็นหรือ $0.054 ลดราว 87% โดยสมมติ 2,250 โทเค็น PDF หรือ 300 โทเค็น Markdown ต่อหน้าในราคาอินพุตตัวอย่าง เอกสารจริงอาจต่างกัน คู่มือนี้ครอบคลุมวิธีแปลง 3 วิธี (MarkItDown, PyMuPDF4LLM และเซิร์ฟเวอร์ MCP) พร้อมสคริปต์ bash ที่นำไปใช้ได้ทันทีสำหรับโฟลเดอร์เอกสาร
ดูคำแนะนำการใช้งาน Ailoot ได้ใน[เอกสารประกอบ](https://ailoot.ai/docs/)
## PDF ใน Claude ทำงานอย่างไร และทำไมแต่ละหน้าจึงใช้ 1,500–3,000 โทเค็น?
ประเด็นสำคัญ เมื่ออัปโหลด PDF ไปยัง Claude Code ระบบไม่ได้อ่านไฟล์นั้นเป็นไฟล์ข้อความ แต่จะแปลงแต่ละหน้าเป็นภาพก่อน จากนั้นจึงดึงข้อความออกมา และเพิ่มข้อมูลทั้งสองชั้น—ทั้งภาพและข้อความ—เข้าไปในบริบทพร้อมกัน นี่คือเหตุผลที่หน้าเดียวใช้พื้นที่ 1,500–3,000 โทเค็น และเอกสาร 50 หน้าอาจใช้ 75,000–150,000 โทเค็นก่อนที่คุณจะถามคำถามแรก
เอกสารอย่างเป็นทางการของ Anthropic อธิบายขั้นตอนไว้เป็น 3 ขั้นตอนง่าย ๆ:

ระบบแปลงแต่ละหน้าเอกสารเป็นภาพ ระบบจะดึงข้อความจากแต่ละหน้าและส่งมาพร้อมกับภาพของหน้านั้น Claude วิเคราะห์ทั้งข้อความและภาพเพื่อทำความเข้าใจเอกสารได้ดียิ่งขึ้น

— Anthropic, https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support
ฟังดูสมเหตุสมผล แต่ต้นทุนการประมวลผลจะเพิ่มขึ้นเป็นสัดส่วนกับจำนวนหน้า และนี่คือตัวเลขที่อธิบายว่าทำไมโควตาการใช้งานของคุณจึงหมดไปกับ PDF เพียงไฟล์เดียว:

โดยทั่วไปแต่ละหน้าใช้ 1,500–3,000 โทเค็น ขึ้นอยู่กับความหนาแน่นของเนื้อหา เนื่องจากแต่ละหน้าถูกแปลงเป็นภาพ จึงมีต้นทุนเท่ากับการประมวลผลภาพทั่วไป

— Anthropic, https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support
เพื่อให้เห็นภาพว่าเป็นปริมาณเท่าใด Anthropic วัด PDF 3 หน้าไฟล์เดียวกันบน Bedrock ใน 2 โหมด ในโหมดข้อความ (Converse Document Chat) ใช้ ~1,000 โทเค็น ส่วนการวิเคราะห์ภาพ (Claude PDF Chat) ใช้ ~7,000 โทเค็น การรวมภาพทำให้การประมวลผลแพงขึ้น **7 เท่า** ภาพหน้าจอของหน้ายิ่งแย่กว่า ภาพหน้าจอขนาด 1000×1000 พิกเซลใช้ประมาณ 1,300 โทเค็น หลักการทำงานนั้นเรียบง่าย: PDF มีต้นทุนสูงเพราะ Claude ไม่เชื่อถือ OCR ของตัวเอง จึงใช้ทั้งข้อความและภาพเพื่อเปรียบเทียบกัน และคุณต้องจ่ายสำหรับข้อมูลทั้งสองชั้นพร้อมกัน สำหรับเอกสารขนาดใหญ่ คุณทำได้อีกแบบ: บันทึกไฟล์เป็น Markdown ไว้ในโฟลเดอร์โปรเจกต์ แล้วบอก Claude ว่า “นี่คือเอกสารที่มีข้อมูลอยู่ ช่วยแยกข้อมูลออกเป็นส่วน ๆ” Claude จะกระจายเนื้อหาไปยังไฟล์ของตัวเอง แล้วทำงานต่อกับข้อความที่จัดระเบียบไว้ แทนที่จะประมวลผลทุกอย่างพร้อมกัน ## โดยทั่วไป PDF ใช้โทเค็นเท่าใดในงานหนึ่ง?
ประเด็นสำคัญ สมมติรายงานสาธารณะ 15 หน้าใช้ใน 4 บริบท ได้แก่ วิเคราะห์ อ้างข้อความ แปล และสรุป ให้ PDF ใช้ 2,250 โทเค็นอินพุตต่อหน้า Markdown ที่แปลงใช้ 300 และทั้งคู่ราคาอินพุตเท่ากัน อัปโหลด PDF ซ้ำได้ 135,000 โทเค็นประมาณ $0.40 ส่วน Markdown ได้ 18,000 หรือ $0.054 การประหยัดราว 87% มาจากสมมติฐานนี้ ไม่ใช่ผลวัด PDF ทุกไฟล์
ตัวเลขเฉพาะ (โมเดล Sonnet 4.x, อินพุตราคา $3 ต่อหนึ่งล้านโทเค็น): | วิธี | โทเค็น (15 หน้า, 4 แชต) | ค่าใช้จ่าย | |------------------------------|-----------------------------|-------------| | อัปโหลด PDF โดยตรง 4 ครั้ง | 15 × 2250 × 4 = **135,000** | ~$0.40 | | PDF → Markdown + 4 แชต | 15 × 300 × 4 = **18,000** | ~$0.054 | | ประหยัด | **−87%** | **−$0.35** | และนี่เป็นเพียงรอบเดียวของคำขอ 4 ครั้ง หลังจากนั้น prompt caching จะเข้ามาช่วย (TTL 5 นาทีเป็นค่าเริ่มต้น สูงสุด 1 ชั่วโมงในระดับบริการแบบขยาย พร้อมส่วนลดสูงสุด 90% สำหรับการเรียกซ้ำภายในช่วงเวลา)—ทำให้ประหยัดได้มากขึ้น ทุกครั้งที่คุณอัปโหลด PDF ไฟล์เดิมในแชตใหม่ Claude จะอ่านไฟล์นั้นอีกครั้ง แคชจะไม่ส่งต่อระหว่างแชต หากแปลง PDF 15 หน้าเป็น Markdown ครั้งเดียวแล้วใช้ `.md` ในแชตใหม่ 4 ครั้ง ตัวอย่างนี้ใช้อินพุต 15 × 300 × 4 = 18,000 โทเค็นแทน 135,000 ค่า 300 ต่อหน้าแปลงและ 2,250 ต่อหน้า PDF เป็นสมมติฐานคำนวณ ไม่ใช่ค่าคงที่ที่วัดได้สำหรับทุกไฟล์ ต้องนับเอกสารจริงและตรวจคุณภาพแปลงก่อนประมาณการประหยัด การคำนวณนี้ยิ่งมีความหมายมากขึ้นเมื่อใช้การสมัครสมาชิก Claude Pro รายงาน 100 หน้าเพียงฉบับเดียวอาจใช้โควตา 5 ชั่วโมงจนหมด หลังแปลงเป็น Markdown แล้ว เอกสารลักษณะนี้มากกว่า 10 ฉบับจะอยู่ภายในงบการใช้งานเดียวกัน ## ข้อจำกัด API ของ Anthropic สำหรับ PDF ในปี 2026 มีอะไรบ้าง?
ประเด็นสำคัญ Anthropic กำหนดข้อจำกัดอย่างเข้มงวด: ขนาดสูงสุด 32 MB ต่อคำขอ (รวมเนื้อหาทั้งหมด ไม่ใช่แค่ PDF) และสูงสุด 600 หน้าต่อคำขอ แต่ข้อจำกัดจะต่ำกว่านี้สำหรับโมเดล Sonnet 4.x และ Opus 4.x รุ่นปัจจุบันที่มีบริบท 200K: **100 หน้า** คุณส่ง PDF ได้ 3 วิธี ได้แก่ ผ่าน URL, ในรูปแบบ Base64 หรือผ่าน Files API เพื่อใช้ซ้ำด้วย `file_id` เอกสารยาวใช้ Files API ร่วมกับการแบ่งเป็นส่วน ๆ
เอกสารของ Anthropic แสดงข้อจำกัดไว้ด้านบนสุด (ข้อมูลปัจจุบัน ณ วันที่ 31 พฤษภาคม 2026): | ข้อกำหนด | ขีดจำกัด | |-----------------------------|--------------------------------------------| | ขนาดคำขอสูงสุด | 32 MB (แตกต่างกันตามแพลตฟอร์ม) | | จำนวนหน้าสูงสุดต่อคำขอ | 600 (100 สำหรับโมเดลที่มีบริบท 200K โทเค็น) | | รูปแบบ | PDF มาตรฐานที่ไม่มีรหัสผ่านหรือการเข้ารหัส |

ข้อจำกัดทั้งสองข้อใช้กับเนื้อหาทั้งหมดใน request body รวมถึงเนื้อหาที่ส่งมาพร้อม PDF สำหรับ PDF ขนาดใหญ่ ให้ใช้ Files API และอ้างอิงไฟล์ด้วย `file_id` เพื่อให้ request body มีขนาดเล็ก

— Anthropic, https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support
Claude.ai (แอปเว็บสำหรับผู้ใช้ทั่วไป) มีข้อจำกัดต่างออกไป: สูงสุด 500 MB ต่อไฟล์ และสูงสุด 20 ไฟล์ในแชต แต่การวิเคราะห์ภาพใช้ได้เฉพาะ PDF ที่มีไม่เกิน 100 หน้าเท่านั้น หากเกินกว่านั้น Claude จะเห็นเฉพาะข้อความ ไม่มีแผนภูมิหรือไดอะแกรม วิธีส่ง PDF ผ่าน API มี 3 วิธี: 1. **ผ่าน URL** - `"source": {"type": "url", "url": "..."}` - ง่ายที่สุดเมื่อเอกสารอยู่บนอินเทอร์เน็ต 2. **ในรูปแบบ Base64** - `"source": {"type": "base64", "media_type": "application/pdf", "data": "..."}` - สำหรับไฟล์ในเครื่อง 3. **ผ่าน Files API** - `"source": {"type": "file", "file_id": "file_abc123"}` - สำหรับคำขอซ้ำ ต้องใช้ beta header `anthropic-beta: files-api-2025-04-14` Files API เป็นวิธีหลักในการประหยัดเมื่อใช้ PDF ไฟล์เดียวกันในหลายแชต อัปโหลดครั้งเดียว รับ `file_id` แล้วใช้ในการโต้ตอบทั้งหมด เมื่อใช้ `cache_control: ephemeral` การเรียกซ้ำจะมีค่าใช้จ่าย 10% ของราคาปกติ Anthropic ยังมีคำแนะนำอย่างเป็นทางการเกี่ยวกับการลดการใช้งาน:

PDF ที่มีเนื้อหาแน่น (มีข้อความขนาดเล็กจำนวนมาก ตารางซับซ้อน หรือกราฟิกจำนวนมาก) อาจใช้พื้นที่บริบทจนหมดก่อนถึงขีดจำกัดจำนวนหน้า ลองแบ่งเอกสารเป็นส่วน ๆ สำหรับไฟล์ขนาดใหญ่ ให้ลดความละเอียดของภาพที่ฝังอยู่ก่อนอัปโหลด

— Anthropic, https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support
## วิธีที่ 1: ตั้งค่า MarkItDown ใน 5 นาทีอย่างไร?
ประเด็นสำคัญ MarkItDown เป็นเครื่องมือ Python จากทีม Microsoft AutoGen ที่แปลง PDF, DOCX, PPTX, XLSX, HTML, เสียง รูปภาพ และแม้แต่วิดีโอ YouTube ให้เป็น Markdown ที่สะอาด มีดาว 134 พันดวงบน GitHub ใช้สัญญาอนุญาต MIT และติดตั้งได้ด้วยคำสั่งเดียว: `pip install 'markitdown[all]'` ใช้งานก็ง่ายไม่แพ้กัน: `markitdown document.pdf > document.md` เป็นเครื่องมือที่ใช้งานได้หลากหลายที่สุดสำหรับแปลงไฟล์ก่อนใช้ Claude Code
MarkItDown เป็นโปรเจกต์ทางการของ Microsoft ซึ่งดูแลโดยทีม AutoGen บน GitHub มีดาว 134 พันดวงและ forks 9.2 พันรายการ (ณ สิ้นเดือนพฤษภาคม 2026) วัตถุประสงค์ระบุไว้โดยตรงใน README:

เครื่องมือ Python น้ำหนักเบาสำหรับแปลงไฟล์เป็น Markdown เพื่อใช้กับ LLM และไปป์ไลน์วิเคราะห์ข้อความ

— Microsoft, https://github.com/microsoft/markitdown
รูปแบบที่รองรับ: - **เอกสาร:** PDF, DOCX, PPTX, XLSX - **เว็บ:** HTML, JSON, XML, CSV - **สื่อ:** เสียงพร้อมการถอดเสียง รูปภาพพร้อม EXIF และ OCR วิดีโอ YouTube (ผ่านคำบรรยาย) - **ไฟล์เก็บถาวร:** ZIP, EPub - **อื่น ๆ:** ไฟล์แนบทั้งหมดใน Outlook MSG ### การติดตั้ง ข้อกำหนด: Python 3.10+ (โดยปกติติดตั้งอยู่แล้วใน macOS; Windows ต้องติดตั้งแยกต่างหาก) ```bash pip install 'markitdown[all]' ``` หากไม่ต้องการรูปแบบทั้งหมด สามารถติดตั้งเฉพาะบางรูปแบบได้: ```bash pip install 'markitdown[pdf, docx, pptx]' ``` ### แปลงไฟล์เดียว กรณีที่ง่ายที่สุด: ```bash markitdown document.pdf > document.md ``` จากนั้น `document.md` จะปรากฏในโฟลเดอร์ปัจจุบัน นำเข้า Claude Code ด้วย `@document.md` หรือวางไว้ข้างโปรเจกต์ได้เลย ### Python API หากต้องการนำไปผสานรวมในสคริปต์: ```python from markitdown import MarkItDown md = MarkItDown() result = md.convert("research-paper.pdf") print(result.text_content) # บันทึกได้ทันที: with open("research-paper.md", "w") as f: f.write(result.text_content) ``` ### สิ่งที่ MarkItDown ทำไม่ได้ - **OCR สำหรับ PDF ที่สแกนมา** - ไม่ส่งคืนอะไรเลย ไฟล์สแกนต้องใช้ PyMuPDF4LLM หรือ Docling - **เค้าโครงซับซ้อนที่มีหลายคอลัมน์** - ลำดับการอ่านอาจสับสน - **URL ที่ฝังอยู่ใน PDF** - ระบบไม่เก็บรักษาไว้ สำหรับ PDF ทั่วไป (รายงาน บทความ เอกสารประกอบ) MarkItDown เป็นตัวเลือกที่ดีที่สุด: เครื่องมืออเนกประสงค์ที่ติดตั้งได้ในหนึ่งนาทีและไม่ต้องมีความรู้ Python ประสิทธิภาพกับเอกสารที่มีข้อความซีริลลิกและไฟล์สแกนแสดงไว้ในการวัดผลในบทวิเคราะห์เรื่อง[การแปลง PDF เป็นข้อความสำหรับ AI](https://ailoot.ai/blog/th/markitdown-pdf-word-to-text/) ## วิธีที่ 2: PyMuPDF4LLM มีอะไรให้ และเหมาะกว่าเมื่อใด?
ประเด็นสำคัญ PyMuPDF4LLM เป็นโปรเจกต์ของ Artifex Software ที่สร้างบนเอนจิน MuPDF ภาษา C แบบ native เป็นตัวแปลง PDF ที่เร็วที่สุด (ไม่ต้องใช้ GPU); smart OCR จะใช้เฉพาะบริเวณที่อ่านไม่ออกและลดเวลาในการประมวลผลลง 50% เป็นเครื่องมือยอดนิยมเพียงตัวเดียวที่รักษา URL และรูปภาพที่ฝังอยู่ใน PDF ข้อเสียคือมีสัญญาอนุญาตคู่ AGPL v3 / Artifex เชิงพาณิชย์: สำหรับโปรเจกต์ SaaS การใช้ AGPL หมายความว่าคุณต้องเผยแพร่โค้ดของคุณ
MarkItDown มีรูปแบบให้เลือกหลากหลาย ส่วน PyMuPDF4LLM เชี่ยวชาญการประมวลผล PDF อย่างลึกซึ้ง

ส่วนขยาย PyMuPDF น้ำหนักเบาที่แปลง PDF เป็นข้อมูลมีโครงสร้างที่สะอาด โดยตั้งค่าเพียงเล็กน้อย

— Artifex Software, https://pymupdf.readthedocs.io/en/latest/pymupdf4llm/
เวอร์ชัน ณ วันที่ 31 พฤษภาคม 2026 คือ 1.27.2.3 (เผยแพร่เมื่อ 24 เมษายน 2026) ### สิ่งที่รวมอยู่ - หน้าหลายคอลัมน์พร้อมลำดับการอ่านที่ถูกต้อง - แปลงตารางเป็น Markdown แบบ GitHub-flavored - ลบส่วนหัวและส่วนท้ายโดยอัตโนมัติ - แยกรูปภาพพร้อมลิงก์แบบ relative ไปยังโฟลเดอร์แยก - Smart OCR: ใช้เฉพาะบริเวณที่อ่านไม่ออก ช่วยประหยัดเวลาในการประมวลผล ~50% - เอนจิน C แบบ native, **ไม่ต้องใช้ GPU** ### การติดตั้ง ```bash pip install pymupdf4llm ``` ### การใช้งาน ```python import pymupdf4llm # การใช้งานพื้นฐาน - แปลงเป็น Markdown โดยตรง: md_text = pymupdf4llm.to_markdown("document.pdf") # บันทึก: with open("document.md", "w") as f: f.write(md_text) ``` ในบรรทัดเดียวตามที่สัญญาไว้: ```bash python3 -c "import pymupdf4llm; \ open('document.md','w').write(pymupdf4llm.to_markdown('document.pdf'))" ``` ### ควรเลือก PyMuPDF4LLM แทน MarkItDown เมื่อใด - เมื่อ PDF มีลิงก์จำนวนมากที่ต้องการเก็บรักษาไว้ (MarkItDown ทำลิงก์หาย) - เมื่อเอกสารเป็นไฟล์สแกนและต้องใช้ OCR - เมื่อต้องการความเร็วในการประมวลผลไฟล์หลายพันไฟล์ในเครื่อง—เอนจิน C แบบ native เร็กว่า wrapper ของ Python - เมื่อต้องการภาพจาก PDF ในโฟลเดอร์แยกเพื่อนำไปประมวลผลต่อ ### รายละเอียดสัญญาอนุญาต (สำคัญสำหรับธุรกิจ) PyMuPDF4LLM มีสัญญาอนุญาตคู่: AGPL v3 หรือ Artifex เชิงพาณิชย์ **ความหมายของ AGPL:** หากใช้ไลบรารีใน SaaS สาธารณะ คุณต้องเผยแพร่ซอร์สโค้ดทั้งหมดของบริการภายใต้ AGPL เดียวกัน สำหรับการใช้งานภายใน (สคริปต์ของคุณบนแล็ปท็อป) ไม่มีข้อจำกัด หากพัฒนาเชิงพาณิชย์โดยไม่เปิดเผยโค้ด ให้ซื้อไลเซนส์จาก Artifex (artifex.com) ไม่มีการเผยแพร่ราคา ให้สอบถามจากฝ่ายขาย หากกำลังสร้างผลิตภัณฑ์ให้ลูกค้า ให้ตรวจสอบสัญญาอนุญาตตั้งแต่เริ่มต้น MarkItDown (MIT) และ Docling (MIT) ปลอดภัยกว่าสำหรับ SaaS ## วิธีที่ 3: เชื่อมต่อเซิร์ฟเวอร์ MarkItDown MCP กับ Claude Code อย่างไร?
ประเด็นสำคัญ เซิร์ฟเวอร์ MarkItDown MCP คือ MarkItDown ตัวเดิมที่ห่อหุ้มด้วยโปรโตคอล MCP ทำให้ Claude Code แปลง PDF ได้ทันทีโดยไม่ต้องโหลดไฟล์ต้นฉบับเข้าไปในบริบท เชื่อมต่อด้วยคำสั่งเดียวผ่าน uv โดยกำหนดเวอร์ชันไว้แน่นอน: `markitdown-mcp@0.0.1a7` เครื่องมือที่ Claude ได้รับคือ `convert_to_markdown(uri)` ต้นทุนขณะไม่ใช้งานอยู่ที่ ~110 โทเค็นสำหรับคำอธิบาย skill และเป็นศูนย์เมื่อไม่จำเป็นต้องใช้
MarkItDown ในโหมด CLI หมายถึง “ฉันแปลงไฟล์ด้วยตนเองล่วงหน้า” ส่วนเซิร์ฟเวอร์ MCP หมายถึง “Claude Code ตัดสินใจเองว่าเมื่อใดจะต้องแปลง” ### การติดตั้ง ต้องมีตัวจัดการแพ็กเกจ uv ไม่จำเป็นต้องติดตั้งเซิร์ฟเวอร์แยกต่างหาก เพราะ uv จะดาวน์โหลดให้เมื่อเรียกใช้ครั้งแรก ### การกำหนดค่าใน Claude Code คำสั่งเดียวเชื่อมต่อเซิร์ฟเวอร์กับทุกโปรเจกต์ของคุณ โดยกำหนดเวอร์ชันไว้แน่นอน: ```bash 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 ``` รายการ `markitdown` ควรแสดงข้อความ “Connected.” เมื่อเปิดใช้ครั้งแรกจะดาวน์โหลดประมาณ 70 แพ็กเกจและใช้เวลาสูงสุดหนึ่งนาที หลังจากนั้นเซิร์ฟเวอร์จะเริ่มทำงานภายในหนึ่งหรือสองวินาที เหตุผลที่คำสั่งต้องใช้ตัวแปรทั้งสองมีดังนี้ `ORT_DISABLE_TELEMETRY=1` ปิดสถิติที่เอนจิน onnxruntime ภายในเซิร์ฟเวอร์ส่งไปยัง Microsoft โดยค่าเริ่มต้นบน Mac และ Linux ส่วน `UV_PYTHON=3.12` ใช้ Python 3.12 สำหรับเซิร์ฟเวอร์ ซึ่งมีแพ็กเกจที่สร้างไว้ล่วงหน้าสำหรับ Windows, Linux และ Mac ที่ใช้ Apple Silicon บน Mac ที่ใช้ Intel และ macOS 13 หรือต่ำกว่า เซิร์ฟเวอร์จะติดตั้งภายใต้ Python 3.14 ไม่ได้ มีข้อควรระวังสำหรับ Intel และ 3.12: uv จะสร้างไลบรารี cryptography จากซอร์สโค้ด เพราะไม่มีแพ็กเกจ Intel ที่สร้างไว้ล่วงหน้าตั้งแต่เดือนมิถุนายน 2026 การติดตั้งใช้เวลานานขึ้นและอาจล้มเหลว หากไม่มี Python 3.12 uv จะดาวน์โหลดให้ เซิร์ฟเวอร์ทำงานบนคอมพิวเตอร์ของคุณโดยตรงและเปิดไฟล์ใดก็ได้ที่คุณมีสิทธิ์เข้าถึง หากเปิด Claude Code อยู่ ให้เริ่มโปรแกรมใหม่ แล้ว `markitdown` จะปรากฏในรายการเซิร์ฟเวอร์ MCP ### วิธีใช้งาน ใน Claude Code พูดได้เลยว่า: ``` แปลง /Users/your-user/Documents/report.pdf เป็น Markdown แล้ววิเคราะห์ประเด็นสำคัญ ``` Claude เรียก `convert_to_markdown(uri)` เอง รับ Markdown แล้วทำงานกับข้อมูลนั้น โดยไม่ได้โหลด PDF เข้าไปในบริบทเลย ### URI ที่รองรับ - `file://` - ไฟล์ในเครื่อง - `http://`, `https://` - เอกสารออนไลน์ - `data:` - ข้อมูลแบบ inline (Base64) ### ความปลอดภัย จาก README อย่างเป็นทางการ:

เซิร์ฟเวอร์ไม่รองรับการกำหนดสิทธิ์ และทำงานด้วยสิทธิ์ของผู้ใช้ที่เปิดใช้งาน

— Microsoft, https://github.com/microsoft/markitdown/tree/main/packages/markitdown-mcp
โดยค่าเริ่มต้น เซิร์ฟเวอร์ bind กับ localhost หากใช้งานผ่าน HTTP/SSE (ตัวเลือก `--http --host 127.0.0.1 --port 3001`) อย่าเปิดพอร์ตให้เข้าถึงจากภายนอกโดยไม่มี reverse proxy ที่ผ่านการยืนยันตัวตน ## ควรเลือกวิธีใดสำหรับงานของคุณ?
ประเด็นสำคัญ MarkItDown เป็นเครื่องมือครอบจักรวาล หากคุณทำงานกับหลายรูปแบบ (PDF + DOCX + PPTX + YouTube) และต้องการคำสั่ง CLI ที่รวดเร็ว PyMuPDF4LLM เป็นผู้เชี่ยวชาญด้าน PDF: เร็วกว่า มี OCR และเก็บรักษาลิงก์ แต่มีข้อควรระวังเรื่อง AGPL สำหรับ SaaS ส่วน Docling เหมาะสำหรับระบบ production และจัดการตารางกับสูตรได้ดีที่สุด Marker เหมาะสำหรับเอกสารวิทยาศาสตร์ที่มีคณิตศาสตร์ ส่วนเซิร์ฟเวอร์ MCP เหมาะกับผู้ที่ไม่อยากคิดเรื่องการแปลงและต้องการให้ Claude Code ตัดสินใจเอง
ตารางเปรียบเทียบฉบับเต็ม: | เครื่องมือ | ดาวบน GitHub | เหมาะสำหรับ | ความเร็ว | สัญญาอนุญาต | |----|----|----|----|----| | **MarkItDown** (Microsoft) | 134k | PDF + DOCX + PPTX + YouTube + เสียง | ปานกลาง | MIT | | **PyMuPDF4LLM** (Artifex) | \- | PDF แบบ native, OCR, URL ที่ฝังอยู่ | เร็วที่สุด (ไม่ใช้ GPU) | AGPL v3 / เชิงพาณิชย์ | | **Docling** (IBM Research) | 60.7k | RAG สำหรับ production, ตาราง, สูตร | ปานกลาง | MIT | | **Marker** (datalab.to) | 35.6k | PDF วิทยาศาสตร์, arXiv, สูตร | สูง (ใช้ GPU) | GPL-3.0 + Open Rail-M | | **MinerU** | \- | เอกสาร CJK (จีน/ญี่ปุ่น) | สูง | Apache-2.0 | Marker แสดงตัวเลขความแม่นยำที่น่าประทับใจในการทดสอบเกณฑ์มาตรฐาน:

0.18 วินาทีต่อหน้าบน GPU H100 (122 หน้าต่อวินาที) ความแม่นยำ 95.67% เทียบกับ Llamaparse (84.24%) และ Mathpix (86.43%) สำหรับเอกสารวิทยาศาสตร์ ความแม่นยำ 96.67%

— datalab.to, https://github.com/datalab-to/marker
แต่ Marker ต้องใช้ GPU เพื่อให้ได้ความเร็วที่ดี และมาพร้อมโมเดลแมชชีนเลิร์นนิง สำหรับงานส่วนใหญ่ (PDF ข้อความทั่วไป) PyMuPDF4LLM หรือ MarkItDown ก็ทำงานได้ภายในไม่กี่วินาทีโดยไม่ใช้ GPU ### กฎง่าย ๆ ในการเลือก 1. **PDF หนึ่งหรือสองไฟล์ ต้องการผลลัพธ์เร็ว** - MarkItDown CLI 2. **PDF หลายสิบไฟล์ ต้องการระบบอัตโนมัติ** - เซิร์ฟเวอร์ MarkItDown MCP หรือ PyMuPDF4LLM ในสคริปต์ 3. **PDF ที่มีลิงก์และภาพ ซึ่งต้องรักษาโครงสร้างไว้** - PyMuPDF4LLM 4. **RAG สำหรับธุรกิจระดับ production ที่ต้องการความเสถียรของตาราง** - Docling 5. **เอกสารวิทยาศาสตร์ที่มีสูตร** - Marker 6. **ไม่อยากคิดเรื่องนี้ ให้ Claude แปลงให้** - เซิร์ฟเวอร์ MarkItDown MCP ## เขียนสคริปต์พร้อมใช้เพื่อแปลงโฟลเดอร์เอกสารโดยอัตโนมัติอย่างไร?
ประเด็นสำคัญ รูปแบบที่สะดวกที่สุดคือสคริปต์ bash ที่ไล่ดูโฟลเดอร์โปรเจกต์ แปลงไฟล์ PDF, DOCX และ PPTX ทั้งหมดเป็น Markdown แล้วใส่ไว้ในโฟลเดอร์ย่อย `_md/` ตั้งค่าเพียงครั้งเดียว แล้วโฟลเดอร์เอกสารใหม่ใด ๆ ก็จะ “อ่านได้โดย Claude” ในครั้งเดียว จากนั้นนำ `_md/` เข้า Claude Code ด้วย `@_md/` แล้วทำงานกับข้อความที่บีบอัดไว้
ตัวอย่างในทางปฏิบัติ: สมมติว่าคุณมีรายงาน PDF และ PPTX จากลูกค้า 40 ฉบับในโฟลเดอร์เดียว ทั้งใบแจ้งยอดนายหน้า สัญญา และงานนำเสนอ การอัปโหลดโฟลเดอร์ไปยัง Claude โดยตรงไม่มีประโยชน์ เพราะหน้าต่างบริบทจะเต็มไปด้วยข้อมูลก่อนที่จะได้รับคำตอบแรก เรียกใช้สคริปต์ด้านล่างกับโฟลเดอร์ทั้งหมดในครั้งเดียว แล้วทำงานต่อด้วยไฟล์ `.md` ขนาดเบาแทน PDF ขนาดใหญ่ บันทึกสคริปต์นี้เป็น `scripts/docs-to-md.sh` ไว้ในโฟลเดอร์รากของโปรเจกต์: ```bash #!/bin/bash # docs-to-md.sh - แปลงเอกสารทั้งหมดในโฟลเดอร์เป็น Markdown โดยใช้ MarkItDown # วิธีใช้: bash docs-to-md.sh ./documents set -e INPUT_DIR="${1:-./documents}" OUTPUT_DIR="${INPUT_DIR}/_md" mkdir -p "$OUTPUT_DIR" echo "Scanning $INPUT_DIR..." for file in "$INPUT_DIR"/*.{pdf,docx,pptx,xlsx}; do [ -f "$file" ] || continue basename=$(basename "$file") name="${basename%.*}" output="$OUTPUT_DIR/${name}.md" if [ -f "$output" ] && [ "$output" -nt "$file" ]; then echo "Skipping $basename (already converted)" continue fi echo "Converting $basename..." markitdown "$file" > "$output" done echo "Done. Results are in $OUTPUT_DIR" ``` ตั้งค่าให้สคริปต์เรียกใช้งานได้: ```bash chmod +x scripts/docs-to-md.sh ``` เรียกใช้: ```bash bash scripts/docs-to-md.sh ./reports ``` หลังจากเรียกใช้ `./reports/_md/` จะมีไฟล์ `.md` ของเอกสารทั้งหมด นำเข้า Claude Code ด้วย `@reports/_md/` แล้วทำงานกับข้อความที่บีบอัดไว้แทน PDF สคริปต์จะข้ามไฟล์ที่แปลงแล้วโดยอัตโนมัติ (หากไฟล์ `.md` ใหม่กว่าไฟล์ต้นฉบับ) การเรียกใช้อีกครั้งจึงมีต้นทุนต่ำและไม่ต้องคำนวณทุกอย่างซ้ำ ### การแปลงแบบ idempotent และเพิ่มเฉพาะส่วนที่เปลี่ยน หากต้องการให้สคริปต์ตรวจจับ PDF ที่เปลี่ยนแปลง (บันทึกใหม่ด้วยชื่อเดิม) ให้เพิ่มการตรวจสอบ content hash: ```bash hash=$(shasum -a 256 "$file" | cut -d' ' -f1) hash_file="$OUTPUT_DIR/.${name}.sha256" if [ -f "$hash_file" ] && [ "$(cat "$hash_file")" = "$hash" ]; then echo "Skipping $basename (hash matches)" continue fi markitdown "$file" > "$output" echo "$hash" > "$hash_file" ``` เวอร์ชันนี้จะแปลงไฟล์ใหม่ก็ต่อเมื่อเนื้อหาของไฟล์เปลี่ยนไป ## เมื่อใด PDF ใน Claude ยังดีกว่า Markdown?
ประเด็นสำคัญ การแปลงเป็น Markdown ทำให้สูญเสีย 3 อย่าง: องค์ประกอบภาพ (ไดอะแกรม แผนภูมิ พิมพ์เขียว) ตารางซับซ้อนที่มีเซลล์ผสานและคำบรรยาย และรูปแบบเอกสารครบถ้วนในฐานะสิ่งที่ใช้อ้างอิง (เช่น สัญญาที่คุณต้องอ้างอิงตามหน้า) หากสิ่งเหล่านี้สำคัญต่องาน ให้เก็บ PDF ไว้ เปิดการวิเคราะห์ภาพ และยอมรับต้นทุนด้านภาพอย่างรู้ตัว
มี 3 กรณีที่การแปลงเป็น Markdown ทำได้ไม่ดีพอ: ### 1. วิเคราะห์ภาพของไดอะแกรมและแผนภูมิ หาก Claude ต้อง “อ่าน” แผนภูมิ เช่น เส้นราคาหรือไดอะแกรมกระบวนการหรือสถาปัตยกรรม ข้อมูลนั้นจะไม่มีอยู่ใน Markdown โดย Markdown จะเก็บไว้เฉพาะคำบรรยายภาพ แต่ตัวภาพจะหายไป วิธีแก้: อัปโหลด PDF และเปิดโหมดภาพอย่างชัดเจน ใน Claude API แฟล็กนี้ทำงานโดยอัตโนมัติ ส่วน AWS Bedrock ต้องใช้แฟล็ก `citations`

Claude วิเคราะห์ทั้งข้อความและภาพเพื่อทำความเข้าใจเอกสารได้ดียิ่งขึ้น

— Anthropic, https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support
### 2. ตารางซับซ้อนที่มีเซลล์ผสาน ตาราง Markdown เป็นรูปแบบแบน หาก PDF มีตารางที่มีเซลล์ผสาน หัวตารางหลายระดับ หรือตารางย่อยซ้อนกัน ตัวแปลงอาจทำให้ตารางแบนราบหรือทำความสัมพันธ์ระหว่างข้อมูลหายไป วิธีแก้: ใช้ PDF โดยตรง ใช้ Docling (จัดการตารางซับซ้อนได้ดีที่สุด) หรือจัดรูปแบบเองหลังแปลง ### 3. เอกสารที่ต้องอ้างอิงตามหน้า สำหรับเอกสารทางกฎหมาย สัญญา และรายงานการประชุม การอ้างอิงว่า “หน้า 7 ย่อหน้าที่ 3” เป็นเรื่องสำคัญ หมายเลขหน้าจะหายไปใน Markdown วิธีแก้: PDF + Files API + prompt caching อัปโหลดครั้งเดียวแล้วอ้างอิงด้วย `file_id`; Claude จะเห็นเลขหน้าและอ้างอิงหน้าเฉพาะได้ ### เอกสารสั้น หาก PDF มีไม่ถึง 2 หน้าและใช้เพียงครั้งเดียว การแปลงก็ไม่คุ้มค่า PDF ใช้ 5,000 โทเค็น เทียบกับ Markdown 800 โทเค็น ประหยัดไม่มากพอที่จะคุ้มกับการติดตั้ง MarkItDown จุดคุ้มทุนอยู่ที่ประมาณ 5+ หน้าหรือใช้เอกสารเดิม 2+ ครั้ง หากต่ำกว่านั้นให้อัปโหลด PDF โดยตรง หากเกินกว่านั้นให้แปลงไฟล์ ## 5 ข้อผิดพลาดที่พบบ่อยที่สุดเมื่อใช้ PDF ใน Claude มีอะไรบ้าง?
ประเด็นสำคัญ ข้อผิดพลาดหลัก ได้แก่ อัปโหลด PDF ไฟล์เดิมซ้ำในแชตต่าง ๆ แทนที่จะแปลงครั้งเดียว ไม่ใช้ prompt caching สำหรับคำขอซ้ำ ใช้ภาพหน้าจอแทนข้อความ ไม่ทำ OCR ให้ PDF ที่สแกนมา และมองข้ามข้อจำกัด 100 หน้าสำหรับโมเดลที่มีบริบท 200K ความผิดพลาดแต่ละข้อทำให้เสียโทเค็นหลายหมื่นโดยไม่มีเหตุผล
### 1. อัปโหลด PDF ไฟล์เดิมซ้ำในแชตใหม่ทุกครั้ง Claude Pro จำกัดจำนวนข้อความในช่วงเวลา 5 ชั่วโมง รายงาน 50 หน้าเพียงฉบับเดียวอาจใช้โควตาจนหมดก่อนถามคำถามที่สอง มีหลักการง่าย ๆ สำหรับเรื่องนี้: **หนึ่งงาน—หนึ่งแชต** เมื่อ AI เริ่มใช้โทเค็นในปริมาณมหาศาล แสดงว่าคุณกำลังยัดทุกอย่างไว้ในแชตเดียวและนำ PDF กลับเข้ามาซ้ำแล้วซ้ำเล่า ให้แยกงานย่อยแต่ละงานไว้ในหน้าต่างของตัวเอง แปลงเอกสารเป็น Markdown ครั้งเดียว แล้วเพิ่มไฟล์ `.md` ในทุกหน้าต่างใหม่พร้อมกับโปรเจกต์ วงกลมแสดงการใช้หน้าต่างบริบทจะไม่เปลี่ยนเป็นสีเหลือง วิธีแก้: แปลงเป็น Markdown เพียงครั้งเดียว หรือใช้ Files API ร่วมกับ `file_id` และ prompt caching ### 2. ใช้ภาพหน้าจอแทนข้อความ ตัวอย่างทั่วไป: มีคนต้องการแสดงโค้ดหรือตารางให้ Claude ดู จึงจับภาพหน้าจอทั้งหมดขนาด 1920×1080 แล้วสงสัยว่าทำไมโควตาจึงหมดหลังจาก 5 คำขอ ภาพหน้าจอขนาด 1000×1000 พิกเซลใช้ ~1,300 โทเค็น ข้อความเดียวกันที่คัดลอกด้วยมือใช้ 50–100 โทเค็น ต่างกัน 13–26 เท่า วิธีแก้: ครอบภาพหน้าจอให้แคบ (เฉพาะส่วนที่สำคัญ) หรือยิ่งดีกว่านั้น ให้คัดลอกข้อความโดยตรง ### 3. PDF ที่สแกนมาโดยไม่มี OCR MarkItDown ทำ OCR ไม่ได้ หากแปลงไฟล์สแกน ผลลัพธ์จะเป็นไฟล์ `.md` ว่างเปล่า (หรือมีข้อความมั่ว 3 บรรทัด) วิธีแก้: สำหรับไฟล์สแกน ให้ใช้ PyMuPDF4LLM (พร้อม smart OCR ในตัว) หรือ Docling ### 4. มองข้ามข้อจำกัด 100 หน้า เอกสารของ Anthropic ระบุว่าจำกัด 600 หน้าต่อคำขอ แต่ในทางปฏิบัติ ข้อจำกัดของโมเดลที่มีบริบท 200K (Sonnet 4.x, Opus 4.x) คือ **100 หน้า** ข้อจำกัด 600 หน้ามีไว้สำหรับโมเดลรุ่นเก่าหรือระดับบริการพิเศษ หากอัปโหลดรายงาน 150 หน้าไปยัง Sonnet 4.6 คุณจะได้รับข้อผิดพลาด หรือที่แย่กว่านั้น Claude อาจประมวลผลเพียง 100 หน้าแรกแล้วทำเหมือนว่าอ่านเอกสารทั้งหมดแล้ว วิธีแก้: แบ่ง PDF ยาวเป็นส่วน ๆ ก่อนอัปโหลด หรือแปลงเป็น Markdown ซึ่งไม่มีข้อจำกัดเรื่องหน้า มีเพียงข้อจำกัดเรื่องโทเค็น ### 5. ไม่ใช้ prompt caching สำหรับคำขอซ้ำ หากใช้เอกสารเดียวกันผ่าน API ให้ครอบเอกสารด้วย `cache_control: ephemeral` การเรียกซ้ำภายใน 5 นาทีมีค่าใช้จ่าย 10% ของราคาเริ่มต้น คำขอแรกมีค่าใช้จ่ายสูงกว่า ส่วนที่เหลือได้ส่วนลด 90% วิธีแก้: เปิดใช้ prompt caching เป็นค่าเริ่มต้นกับสิ่งที่คุณอัปโหลดมากกว่าหนึ่งครั้ง ## ต่อไป: context engineering
ประเด็นสำคัญ การแปลง PDF เป็น Markdown เป็นเทคนิคหนึ่งของ context engineering ซึ่งเป็นทักษะใหม่ในการทำงานกับ AI prompt คือคำถาม ส่วน context คือทุกสิ่งที่ Claude เห็นก่อนและรอบ ๆ คำถาม ได้แก่ system prompt, CLAUDE.md, ไฟล์ต่าง ๆ, เซิร์ฟเวอร์ MCP และประวัติเซสชัน ยิ่งบริบทสะอาดมากเท่าใด คำตอบก็ยิ่งแม่นยำและมีต้นทุนต่ำลง อ่านบทวิเคราะห์ฉบับเต็มได้ในคู่มือ “Context Engineering in 2026”
การแปลง PDF เป็น Markdown เป็นวิธีหนึ่งในการประหยัดโทเค็น แต่เพียงอย่างเดียวไม่ได้ทำให้คำตอบของ Claude แม่นยำขึ้น ความแม่นยำมาจาก **context engineering**—ศาสตร์ที่ว่าด้วยการจัดสิ่งที่ใส่ไว้ในบริบทของโมเดลก่อนถามคำถาม หาก `CLAUDE.md` ของคุณมี 800 บรรทัด โปรเจกต์มีเซิร์ฟเวอร์ MCP ที่ไม่จำเป็น 10 ตัว และคุณนำ PDF 100 หน้าเข้ามา การแปลงเป็น Markdown จะป้องกันการรั่วไหลได้หนึ่งทาง แต่ยังเหลืออีกสามทาง นี่คือเหตุผลที่คู่มือเหล่านี้ครอบคลุมเรื่องต่อไปนี้: - [โทเค็นใน Claude Code ถูกใช้ไปที่ไหน](https://ailoot.ai/blog/th/where-claude-code-tokens-go/) - รูปแบบการรั่วไหลของบริบท 9 แบบ ไม่ได้มีแค่ PDF - [Context Engineering in 2026](https://ailoot.ai/blog/th/context-engineering/) - การจัดการบริบทอย่างเป็นระบบ - [Plan Mode ใน Claude Code](https://ailoot.ai/blog/th/claude-code-plan-mode/) - โหมดวางแผนก่อนที่ Claude จะเริ่มเขียนโค้ด
### แหล่งข้อมูล - [Anthropic - การรองรับ PDF (platform.claude.com)](https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support) - [Anthropic - อัปโหลดไฟล์ไปยัง Claude (support.claude.com)](https://support.claude.com/en/articles/8241126-upload-files-to-claude) - [Microsoft MarkItDown บน GitHub](https://github.com/microsoft/markitdown) - [เซิร์ฟเวอร์ MarkItDown MCP](https://github.com/microsoft/markitdown/tree/main/packages/markitdown-mcp) - [PyMuPDF4LLM - เอกสารอย่างเป็นทางการ](https://pymupdf.readthedocs.io/en/latest/pymupdf4llm/) - [Docling บน GitHub (IBM Research)](https://github.com/DS4SD/docling) - [Marker บน GitHub (datalab.to)](https://github.com/datalab-to/marker)
สำรวจ Ailoot ต่อได้ที่ [ailoot.ai](https://ailoot.ai/)
## คำถามที่พบบ่อย ### ตัวอย่าง 15 หน้าในสี่แชตใช้ Markdown กี่โทเค็น? ตามสมมติฐาน 300 โทเค็นต่อหน้าที่แปลง รวมเป็น 15 × 300 × 4 = 18,000 โทเค็นอินพุต เป็นค่าประมาณประกอบตัวอย่าง ต้องนับเอกสารที่แปลงจริงของคุณ ### แปลงเป็นข้อความพอสำหรับ PDF ทุกชนิดหรือไม่? ไม่พอ เทียบ Markdown กับ PDF โดยเฉพาะตาราง ลำดับหน้า และเนื้อหาที่พึ่งภาพ ควรเทียบโทเค็นหลังยืนยันว่าข้อมูลที่งานต้องการรอดจากการแปลง ## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน. Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ