Bạn có thể chuyển một tệp PDF thành Markdown sẵn cho LLM bằng cách tải lên một dịch vụ, dán văn bản của nó vào cuộc trò chuyện, hoặc yêu cầu tác nhân của bạn gọi một công cụ chuyển đổi trên máy của mình. Đường thứ ba giữ nguyên các tiêu đề, bảng và danh sách dưới dạng Markdown thực và không tải lên bất kỳ thứ gì. Với máy chủ GroupDocs.Conversion.Mcp, Claude, Cursor hoặc GitHub Copilot có thể chạy nó cục bộ chỉ với một lời nhắc:

Convert report.pdf to Markdown

Phiên bản từng bước với cấu hình và khắc phục sự cố có trong tài liệu: Cách chuyển PDF sang Markdown với máy chủ MCP.

Tại sao bước Markdown quyết định chất lượng chỉ mục RAG của bạn?

Một pipeline truy xuất chỉ có thể lập chỉ mục những gì bước chuyển đổi giữ lại. Nếu một bảng bị làm phẳng thành một dãy số, một đoạn của bảng đó sẽ không trả lời bất kỳ câu hỏi nào. Nếu các tiêu đề biến mất, bộ chia đoạn không có ranh giới phần để tôn trọng. Những tài liệu bạn muốn đưa vào cơ sở tri thức riêng thường là những tài liệu bạn ít muốn gửi cho bên thứ ba: hợp đồng, báo cáo nội bộ, hồ sơ bệnh nhân hoặc khách hàng. Vì vậy lựa chọn đường đi quyết định đồng thời hai điều: mức độ cấu trúc còn lại và nơi tệp di chuyển.

Cách 1: Bạn có tải PDF lên một công cụ chuyển đổi trực tuyến hoặc API phân tích đám mây không?

Đây là con đường nhanh nhất và cũng là con đường có mức độ đánh đổi lớn nhất. Tệp rời khỏi máy của bạn và được xử lý trên hạ tầng mà bạn không kiểm soát. Đối với tài liệu công cộng có thể chấp nhận được. Đối với bất kỳ tài liệu bí mật nào, đây là bước mà một cuộc đánh giá bảo mật sẽ dừng lại.

Chỉ chọn cách này khi nội dung không nhạy cảm và bạn chấp nhận việc vòng quay tệp qua dịch vụ của người khác.

Cách 2: Bạn có dán văn bản PDF vào cuộc trò chuyện và yêu cầu mô hình định dạng lại không?

Cách này giữ quá trình ở phía bạn, nhưng mô hình hiện đang viết lại nội dung, không phải chuyển đổi nó. Nó chỉ thấy văn bản đã được trích xuất khi bạn dán. Các đường viền bảng, thứ tự cột và hình học trang đã biến mất, và mô hình sẽ lấp đầy khoảng trống bằng cách đoán. Các tài liệu dài cũng sẽ vượt quá cửa sổ ngữ cảnh trước khi bạn tới trang cuối cùng.

Chọn cách này cho một đoạn văn đơn lẻ, không phải cho một thư mục các báo cáo.

Cách 3: Bạn có để tác nhân của mình gọi một công cụ chuyển đổi cục bộ không?

Ở đây tác nhân quyết định và công cụ thực hiện chuyển đổi. Tác nhân gửi tên tệp và định dạng đích tới công cụ convert, và engine GroupDocs.Conversion ghi một tệp Markdown bên cạnh các tài liệu của bạn. Trong lời gọi công cụ, định dạng là md:

{
  "name": "convert",
  "arguments": {
    "file": { "filePath": "report.pdf" },
    "format": "md"
  }
}

Bạn không bao giờ viết JSON này. Bạn gõ câu lệnh, và tác nhân tạo ra lời gọi. Cấu trúc được giữ nguyên dưới dạng các cấu trúc Markdown thực: tiêu đề trở thành # và ##, bảng trở thành bảng dạng pipe, danh sách trở thành các mục danh sách. Đó là định dạng mà một pipeline nhúng và một LLM đọc một cách tự nhiên, và bạn có thể đưa tệp trực tiếp cho bộ chia đoạn của mình.

Kết quả trông như sau. Nội dung dưới đây chỉ mang tính minh họa, không phải đầu ra thực tế:

# Quarterly report

## Revenue by region

| Region | Q1 | Q2 |
|---|---|---|
| North | 120 | 135 |
| South | 98 | 101 |

Các bố cục phức tạp là nơi một engine được xây dựng để duy trì độ trung thực tài liệu khác biệt so với một bộ trích xuất văn bản cơ bản. Liệu điều này có quan trọng đối với tài liệu của bạn hay không, bạn cần thử nghiệm trên ba tệp PDF khó nhất trước khi quyết định.

Nếu Markdown là đầu ra duy nhất bạn cần, GroupDocs cũng có một máy chủ chuyên dụng, GroupDocs.Markdown.Mcp. Tài liệu của nó mô tả việc chuyển PDF, Word, Excel, EPUB và hơn 20 định dạng khác thành Markdown sạch, có cấu trúc, với khả năng kiểm soát lựa chọn trang, hình ảnh và front matter. GroupDocs.Conversion.Mcp phù hợp khi Markdown là một trong nhiều định dạng đích trong cùng một workflow. So sánh tập trung vào RAG có trong Pipeline RAG của bạn bắt đầu bằng Markdown — giữ bước này ở cục bộ, và máy chủ được tài liệu hoá tại docs.groupdocs.com/markdown/mcp.

Bạn thiết lập đường cục bộ như thế nào?

Đăng ký máy chủ trong client của bạn một lần. Một mục nhập Claude Desktop:

{
  "mcpServers": {
    "groupdocs-conversion": {
      "type": "stdio",
      "command": "dnx",
      "args": ["GroupDocs.Conversion.Mcp", "--yes"],
      "env": { "GROUPDOCS_MCP_STORAGE_PATH": "/path/to/documents" }
    }
  }
}

Điều này yêu cầu .NET 10 SDK. Mục nhập máy chủ tương tự hoạt động trong Cursor, VS Code với GitHub Copilot và Claude Code; tệp cấu hình chính xác cho mỗi client được liệt kê trong docs hub. Khởi động lại client sau đó. Trong chế độ đánh giá hoặc chế độ tệp giấy phép, việc chuyển đổi không cần mạng một khi gói đã được tải xuống; giấy phép tính theo mức sử dụng sẽ báo cáo việc dùng và do đó cần truy cập ra ngoài.

Các lời nhắc hoạt động:

Turn every PDF in this folder into Markdown for my knowledge base.

Check how many pages whitepaper.pdf has, then convert it to Markdown.

Lời nhắc thứ hai chuỗi get_document_info, trả về loại tệp, số trang và các thuộc tính cơ bản, trước khi gọi convert.

Phiên làm việc mẫu

Đây là một phiên làm việc rút gọn, mang tính minh họa dựa trên mô tả công cụ trong tài liệu, không phải ảnh chụp màn hình.

You:    Check how many pages whitepaper.pdf has, then convert it to Markdown.
Agent:  [calls get_document_info with file.filePath = "whitepaper.pdf"]
Agent:  [calls convert with file.filePath = "whitepaper.pdf", format = "md"]
Agent:  Done. The Markdown file is saved as whitepaper.md in your output folder.

Những giới hạn là gì?

  • Quét cần OCR trước. PDF chỉ có hình ảnh không có lớp văn bản, và OCR không phải là một phần của máy chủ này, vì vậy Markdown sẽ không chứa các từ trong tài liệu. Hãy chạy OCR trước khi chuyển đổi nếu PDF của bạn là bản quét.
  • Chế độ đánh giá. Khi không có giấy phép, đầu ra có dấu watermark đánh giá và một tiến trình máy chủ tối đa có thể mở 15 tài liệu. Gọi get_license_status trước khi nhập lượng lớn để xác nhận chế độ đang hoạt động.
  • Chuyển đổi, không trích xuất. Máy chủ này chuyển đổi toàn bộ tài liệu sang Markdown. Nếu bạn cần các trường cụ thể hoặc giá trị đã được gõ ra, hãy sử dụng GroupDocs.Parser.Mcp (chỉ cung cấp dưới dạng Docker image), và sử dụng cả hai khi một pipeline cần cả hai chức năng.

Câu hỏi thường gặp

Làm sao tôi chuyển PDF sang Markdown cho RAG mà không tải tệp lên?
Chạy một máy chủ chuyển đổi trên máy của bạn và để tác nhân gọi nó. Với GroupDocs.Conversion.Mcp, công cụ convert ghi tệp .md vào thư mục của bạn, và không có tài liệu nào được gửi tới dịch vụ đám mây.

Bảng có được giữ lại khi PDF chuyển thành Markdown không?
Có, dưới dạng bảng pipe của Markdown. Hãy thử các bảng phức tạp nhất của bạn trước, vì độ phức tạp bố cục là nơi các công cụ chuyển đổi khác nhau.

Tôi có thể chuyển lại Markdown thành PDF hoặc Word sau không?
Có. Máy chủ cùng chuyển đổi Markdown sang PDF và DOCX, được đề cập trong bài viết xuất khẩu.

Đi sâu hơn