Untuk memigrasi dokumentasi ke Markdown, berikan agen AI folder arsip dan biarkan ia menjalankan convert_to_markdown sekali per file, dalam batch yang telah ditinjau. Dengan GroupDocs.Markdown.Mcp ini terjadi secara lokal di Claude Code, Cursor, GitHub Copilot atau klien MCP lainnya, sehingga arsip prosedur internal tidak pernah diunggah ke layanan konversi:

Konversi semua yang ada di folder arsip ke Markdown dengan front matter dan gambar sebagai file. Laporkan format sumber, jumlah halaman, dan ukuran output untuk masing‑masing.

Versi langkah demi langkah dengan konfigurasi dan pemecahan masalah ada di dokumentasi: Cara memigrasi dokumentasi lama ke Markdown dengan AI.

Mengapa migrasi dokumen lama menjadi pekerjaan untuk agen?

Konversi bersifat mekanis dan pekerjaan di sekitarnya berulang: daftar file, konversi masing‑masing, ukur hasilnya, temukan kegagalan, ulangi. Seseorang yang melakukan itu untuk ratusan file membuat keputusan yang sama ratusan kali. Agen melakukannya secara konsisten dan melaporkan setiap hasil, sementara mesin, bukan model, menghasilkan Markdown. Markdown yang disimpan bukan parafrase prosedur Anda.

Ini adalah runbook. Setiap langkah memiliki satu prompt, dan tabel setelahnya memisahkan apa yang diputuskan agen dari apa yang dilakukan mesin.

Runbook: bagaimana cara memigrasi arsip Word ke Markdown?

  1. Periksa lisensi sebelum hal lain.

    Sebelum mengonversi apa pun: apa status lisensi server markdown?

    get_license_status mengembalikan mode, licensed, consumption dan versi server serta mesin. Mode evaluasi memproses 3 halaman per dokumen, sehingga run tanpa lisensi menghasilkan stub yang masuk akal.

  2. Inventarisasi arsip.

    Daftar setiap file di folder arsip dengan formatnya, jumlah halaman, dan apakah terenkripsi.

    Server Markdown tidak memiliki alat daftar folder, jadi agen menampilkan isi folder dengan akses file kliennya sendiri atau bekerja dari nama file yang Anda berikan.

    Kemudian get_document_info mengembalikan fileFormat, pageCount, title, author, dan isEncrypted untuk setiap file tanpa mengonversinya. File terenkripsi memerlukan parameter password.

  3. Jalankan pilot sekitar dua puluh file.

    Konversi dua puluh dokumen pertama ke Markdown dengan front matter dan gambar sebagai file. Laporkan format, halaman, dan ukuran output untuk masing‑masing.

  4. Temukan apa yang tidak terkonversi.

    Daftar PDF yang konversinya menghasilkan kurang dari 2 KB Markdown untuk lebih dari 5 halaman.

    Itu hampir selalu pemindaian. Tidak ada langkah OCR di server ini, jadi mereka memerlukan alat lain atau tetap sebagai PDF yang diindeks oleh metadata.

  5. Perbaiki pola, lalu jalankan sisanya dalam batch. Dua puluh file per putaran, dengan laporan setiap kali, membuat proses dapat ditinjau dan penggunaan bermeter tetap dapat diprediksi.

  6. Tinjau output seperti Anda meninjau pull request. Bagian berikutnya mencantumkan apa yang harus diperiksa.

Keputusan Agen Mesin
File mana yang akan dikonversi, dalam urutan dan ukuran batch apa Yes No
Opsi mana yang harus diberikan (images, frontMatter, flavor) Yes, from your prompt No
Mengubah heading, daftar, dan tabel menjadi Markdown No Yes
Menyimpan file .md dan gambar No Yes
Mendeteksi file 300 halaman yang menjadi 4 KB Yes, from the report No
Mengganti nama, tata letak folder, kunci front‑matter tambahan Yes No

Format apa yang migrasinya baik?

  • DOCX, DOC, RTF, ODT. Struktur eksplisit di sumber, sehingga heading dan tabel terbawa dengan bersih.
  • EPUB dan MOBI. Struktur bab dipetakan ke heading Markdown.
  • CHM. File bantuan lama, sering satu‑satunya salinan prosedur.
  • XLSX. Lembar kerja menjadi tabel, yang cocok untuk daftar parameter.

Apa yang harus diperiksa dalam proses review?

Minta agen melakukan penyaringan pertama, lalu baca contoh sendiri:

Untuk setiap file yang dikonversi, daftar gambar yang direferensikan dan beri tahu saya file gambar mana yang hilang.

Tunjukkan lima output dengan ukuran terkecil relatif terhadap jumlah halaman mereka.

Gambar yang ditulis dengan images: "file" berada di samping file .md dan direferensikan dengan jalur relatif, yang merupakan harapan repositori dokumen. .md yang mengarah ke gambar yang tidak pernah ditulis akan menampilkan gambar rusak. Kemudian buka sumber yang paling berantakan dan outputnya berdampingan sebelum Anda menerapkan pola ke sisanya. Commit hasil yang telah ditinjau dengan alur kerja git biasa Anda; server menulis file dan tidak menyentuh repositori Anda.

Contoh sesi (disingkat)

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.

Batasan jujur

Tanpa lisensi, mode evaluasi memproses hanya tiga halaman pertama setiap dokumen, dengan watermark evaluasi pada masing‑masing. Run migrasi dalam kondisi itu menghasilkan ratusan file pendek yang tampak benar, dan kekurangannya baru ditemukan beberapa minggu kemudian ketika seseorang mencari prosedur yang hilang. Migrasi memerlukan lisensi, jadi jalankan get_license_status sebelum batch pertama. PDF yang dipindai tidak dapat dikonversi.

FAQ

Bisakah saya mengonversi ratusan dokumen Word ke Markdown sekaligus?

Ya, tetapi tidak dalam satu prompt. Konversi dalam batch sekitar dua puluh dan baca laporan setelah tiap batch, sehingga opsi yang salah dapat diperbaiki sebelum diterapkan ke seluruh arsip.

Bagaimana cara memigrasi dokumentasi ke git dengan agen AI?

Server menulis file .md dan file gambar ke folder output. Anda meninjau mereka dan melakukan commit dengan alur kerja git biasa Anda.

Apakah migrasi docs-as-code mengunggah dokumen saya?

Tidak. GroupDocs.Markdown.Mcp adalah proses lokal, dan arsip dibaca dari disk. Hanya apa yang ditulis agen dalam percakapan yang mencapai penyedia model.

Selami lebih dalam