Pro migraci dokumentace do Markdownu dejte AI agentovi složku archivu a nechte jej spustit convert_to_markdown jednou na soubor, v kontrolovaných dávkách. S GroupDocs.Markdown.Mcp se to děje lokálně v Claude Code, Cursor, GitHub Copilot nebo jiném MCP klientovi, takže archiv interních postupů není nikdy nahrán na konverzní službu:

Převést vše v archivu do Markdownu s front matter a obrázky jako soubory. Nahlásit zdrojový formát, počet stránek a velikost výstupu pro každý.

Verze krok za krokem s konfigurací a řešením problémů je v dokumentaci: Jak migrovat starou dokumentaci do Markdownu s AI.

Proč je migrace staré dokumentace úkol pro agenta?

Konverze je mechanická a související práce je opakující se: vypsat soubory, převést každý, změřit výsledek, najít selhání, opakovat. Osoba, která to dělá pro stovky souborů, dělá stejná rozhodnutí stovky krát. Agent to provádí konzistentně a hlásí každý výsledek, zatímco engine, ne model, vytváří Markdown. Uložený Markdown není parafrází vašich postupů.

Toto je runbook. Každý krok má jeden prompt a tabulka pod ním odděluje, co rozhodne agent, od toho, co dělá engine.

Runbook: jak migrovat archiv Word do Markdownu?

  1. Zkontrolujte licenci před čímkoli jiným.

    Před konverzí čehokoli: jaký je stav licence markdown serveru?

    get_license_status vrací mode, licensed, consumption a verze serveru a engine. Evaluační režim zpracovává 3 stránky na dokument, takže nelicencovaný běh produkuje věrohodné stuby.

  2. Inventarizujte archiv.

    Vypsat každý soubor v archivu s jeho formátem, počtem stránek a tím, zda je šifrovaný.

    Markdown server nemá nástroj pro výpis složek, takže agent vypíše složku pomocí vlastního přístupu klienta k souborům nebo pracuje s názvy souborů, které mu poskytnete.

    Pak get_document_info vrací fileFormat, pageCount, title, author a isEncrypted pro každý soubor bez konverze. Šifrované soubory potřebují parametr password.

  3. Spusťte pilotní převod asi dvaceti souborů.

    Převést prvních dvacet dokumentů do Markdownu s front matter a obrázky jako soubory. Nahlásit formát, stránky a velikost výstupu pro každý.

  4. Najděte, co se nepřevádělo.

    Vypsat PDF, jejichž konverze vytvořila méně než 2 KB Markdownu pro více než 5 stránek.

    To jsou téměř vždy skeny. V tomto serveru není krok OCR, takže potřebují jiný nástroj nebo zůstávají jako PDF indexované metadaty.

  5. Opravte vzor, pak spusťte zbytek v dávkách. Dvacet souborů na kolo, s reportem pokaždé, udržuje běh přehledný a používání měřené kapacity předvídatelné.

  6. Zkontrolujte výstup, jako by šlo o pull request. Následující sekce uvádějí, na co se zaměřit.

Rozhodnutí Agent Engine
Které soubory převést, v jakém pořadí a velikosti dávky Ano Ne
Které možnosti předat (images, frontMatter, flavor) Ano, z vašeho promptu Ne
Převod nadpisů, seznamů a tabulek do Markdownu Ne Ano
Ukládání souborů .md a obrázků Ne Ano
Zjištění 300stránkového souboru, který se stal 4 KB Ano, z reportu Ne
Přejmenování, uspořádání složek, extra klíče front-matter Ano Ne

Které formáty se dobře migrují?

  • DOCX, DOC, RTF, ODT. Struktura je ve zdroji explicitní, takže nadpisy a tabulky přecházejí čistě.
  • EPUB a MOBI. Struktura kapitol se mapuje na nadpisy v Markdownu.
  • CHM. Staré soubory nápovědy, často jediná kopie postupu.
  • XLSX. Listy se stávají tabulkami, což vyhovuje seznamům parametrů.

Co by měla kontrola revize ověřovat?

Požádejte agenta, aby provedl první průchod, pak si sami přečtěte vzorek:

Pro každý převedený soubor vypsat obrázky, na které odkazuje, a říct mi, které soubory obrázků chybí.

Ukažte mi pět výstupů s nejmenší velikostí vzhledem k počtu jejich stránek.

Obrázky zapsané pomocí images: "file" leží vedle .md a jsou odkazovány relativní cestou, což je to, co očekává repozitář dokumentace. .md, který odkazuje na obrázky, které nebyly nikdy zapsány, se zobrazí jako poškozené obrázky. Pak otevřete nejnepořádanější zdroj a jeho výstup vedle sebe, než aplikujete vzor na zbytek. Proveďte commit revidovaného výsledku svým běžným git workflow; server zapisuje soubory a nedotýká se vašeho repozitáře.

Příklad relace (zkrácený)

You:   Convert the first twenty documents in /archive to Markdown with front matter
       and images as files. Report format, pages and output size for each.
Agent: convert_to_markdown (frontMatter: true, images: "file") x 20
       ops-manual-2014.docx   DOCX   88 pages   converted
       install-guide.chm      CHM    41 pages   converted
       supplier-forms-2009.pdf PDF   12 pages   1 KB of Markdown: probably a scan
       Nineteen files look consistent; one scan needs separate handling.

Upřímná omezení

Bez licence evaluační režim zpracovává pouze první 3 stránky každého dokumentu, s evaluační vodoznakem na každém. Migrace v tomto stavu vytvoří stovky krátkých souborů, které vypadají správně, a mezera je objevena o týdny později, když někdo hledá chybějící postup. Migrace vyžaduje licenci, takže spusťte get_license_status před první dávkou. Skenované PDF se nepřevádějí.

Často kladené otázky

Můžu najednou převést stovky Word dokumentů do Markdownu?

Ano, ale ne v jednom promptu. Převádějte v dávkách po asi dvaceti a po každé si přečtěte report, aby se špatná volba opravila dříve, než se použije na celý archiv.

Jak migrovat dokumentaci do gitu s AI agentem?

Server zapisuje soubory .md a obrázky do výstupní složky. Vy je zkontrolujete a commitujete svým obvyklým git workflow.

Nahrává migrace docs-as-code mé dokumenty?

Ne. GroupDocs.Markdown.Mcp je lokální proces a archiv je čten z disku. Pouze to, co agent zapíše v konverzaci, se dostane k poskytovateli modelu.

Prohloubení