An LLM 只能檢索到資料攝取步驟所保留的內容，因此 RAG 流程的第一項工作是將 Word、PDF、Excel 與電子書檔案轉換為乾淨的 Markdown。使用 GroupDocs.Markdown.Mcp，AI 代理可以在本機完成此操作，支援 Claude Desktop、Claude Code、Cursor 或任何其他 MCP 用戶端，且檔案永不離開您的機器：

將此資料夾中的每個 PDF 轉換為 Markdown，圖片以檔案形式保存，並加入 front matter。

包含設定與故障排除的逐步說明請參閱文件：如何使用 AI 代理將文件轉換為 Markdown 以用於 RAG.

為什麼大多數 RAG 流程會從錯誤的轉換步驟開始？

通常的做法是把轉換當作管線工程：把檔案送到最近的解析器，接受返回的任何文字，然後把精力放在嵌入上。這顛倒了重要性的順序。Chunker 會依標題切分，若表格以儲存格值的串流形式出現，則無法回答任何問題；而將語料庫上傳至第三方解析器則會洩露您未預期的資訊。當檢索效果不佳時，原因可能就在流程最先觸及的檔案上。

本文主張三項修正：將此步驟保留在自己的機器上、有意選擇輸出選項，並驗證結果而非盲目信任。

雲端解析器是文件攝取的合適位置嗎？

對於內部語料庫而言，通常不是。攝取是唯一會看到您所有文件的階段：政策、價目表、事後分析。若使用解析服務接收所有檔案，則該服務會看到整個檔案庫，而非單一檔案。

GroupDocs.Markdown.Mcp 使用 MCP stdio 傳輸。您的 AI 客戶端會將伺服器作為子行程啟動，資料路徑為代理 → 本機伺服器 → 本機檔案系統。伺服器沒有入站埠、外部端點，也不會收集遙測。只有代理在回覆中寫入的內容會傳送至模型提供者。計量授權是唯一需要向外發送流量的情況：它僅回報使用量，絕不傳送文件內容，且授權檔案可離線使用。

使用 Docker 啟動：

docker run --rm -i -v $(pwd)/documents:/data \
  ghcr.io/groupdocs-markdown/markdown-net-mcp:latest

或使用 .NET 10 SDK，執行 dnx GroupDocs.Markdown.Mcp --yes。將 GROUPDOCS_MCP_STORAGE_PATH 指向保存語料庫的資料夾。

哪個 GroupDocs 伺服器負責轉換為 Markdown：Markdown 還是 Conversion？

兩者皆能產生 Markdown，但它們解答的問題不同。

您需要 使用
保留結構的 Markdown，且可控制圖片、flavor、頁面選擇與 front matter GroupDocs.Markdown.Mcp (this server)
Markdown 作為多個目標之一，或在同一工作流程中將 DOCX 轉為 PDF 再轉為 XLSX GroupDocs.Conversion.Mcp, which covers 100+ formats in both directions

如果 Markdown 是最終目標且品質重要，請選擇專用引擎。若您在多種格式之間轉換且 Markdown 只是其中之一，則選擇通用轉換器；其 PDF 轉換方式已在 將 PDF 轉換為適合 LLM 的 Markdown 的 3 種方法（以及本機為何更優） 中說明。

為什麼 Markdown 是 RAG 攝取的最佳格式？

標題會被保留，表格仍保持為表格，清單仍保持為清單。這些正是 chunker 與 embedder 所處理的單位。伺服器透過單一工具 convert_to_markdown 轉換 DOCX、DOC、RTF、ODT、XLSX、XLS、ODS、CSV、TSV、EPUB、MOBI、TXT、CHM 等 20 多種格式。Word 系列的來源因檔案中結構明確，轉換最為乾淨。試算表工作表會變成 Markdown 表格。

索引時有三個選項很重要：

選項 攝取設定 原因
images "file"，或僅文字時使用 "skip" 預設的 base64 會在 chunk 中間放入多兆位元組的 data URI
frontMatter true YAML 包含標題、作者、格式與頁數，會成為 chunk 的中繼資料，讓答案能引用文件標題而非檔名
flavor "github"（預設）或 "commonmark" 與讀取結果的解析器相匹配

範例對話（節錄）

You:   Before converting anything: what is the license status of the markdown server?
Agent: get_license_status -> mode: licensed, engine GroupDocs.Markdown 26.3, server 26.9.0.
You:   Convert every PDF in this folder to Markdown, images as files, with front matter.
Agent: convert_to_markdown (images: "file", frontMatter: true) for each PDF.
       Saved one .md per document, with extracted images alongside.
You:   For each converted file, give me the source page count and the Markdown length.
Agent: get_document_info for each source, then the length of each saved .md.
       One 300-page file produced only 4 KB of Markdown: likely a scan.

如何在建立索引前檢查語料庫？

在檢視之前，將執行結果視為不可信。只要使用以下提示即可捕捉大多數失敗：

對每個已轉換的檔案，告訴我來源的頁數以及產生的 Markdown 長度。

get_document_info 會在不進行轉換的情況下回傳 fileName、fileFormat、pageCount、title、author 與 isEncrypted，因此代理可以將頁數與其寫入的結果作比較。若一本 300 頁的手冊只產生 4 KB 的 Markdown，則可能是掃描檔或被截斷的執行。

掃描的 PDF 有硬性限制。它們沒有文字層，且此伺服器不具備 OCR 步驟；請將這類檔案另行處理。

誠實的限制：評估上限

若未取得授權，伺服器會以評估模式運行，僅處理前 3 頁，且每頁都會加上評估水印。輸出仍為有效的 Markdown，且不會報告其餘頁面被跳過，因此以此方式建立的索引看似完整，實際上幾乎是空的。請在每次攝取執行時先呼叫 get_license_status。

常見問題

哪種格式最適合 RAG 攝取？

Markdown 是不錯的選擇，因為 chunker 與 embedder 能很好地處理標題、清單與表格。使用 images: "file" 與 frontMatter: true，即可避免 chunk 中包含 base64，並保留來源的中繼資料。

我可以在不上傳文件的情況下將 Word 轉換為 Markdown 供 LLM 使用嗎？

可以。GroupDocs.Markdown.Mcp 以本機 stdio 程序執行，代理會從您設定的資料夾讀取檔案。

它會將 PDF 轉換為適合向量資料庫的 Markdown 嗎？

它會轉換具備文字層的 PDF，並在來源允許的情況下恢復標題、清單與表格。掃描的 PDF 沒有可轉換的文字，且本服務不提供 OCR 步驟。

深入了解