让您的企业文档具备 AI 就绪能力 — 可靠、本地部署且语义化。
在组织中，文档通常以 PDF、DOCX、XLSX 和 ePub 等格式保存。虽然大型语言模型（LLM）在处理 HTML 或纯文本时表现良好，但这些原生文档格式需要在用于 LLM + RAG（检索增强生成）流水线之前进行转换，以便我们能够对单个文档或文档集合进行对话式交互。
LLM（大型语言模型） — 通过在大规模文本语料上进行预训练，能够生成文本并回答问题的 AI 模型。
RAG（检索增强生成） — 将 LLM 与外部知识库（例如企业文档）结合，使模型能够检索并推理领域内容。
下面的时序图展示了生成对问题的答案所涉及的典型步骤：
从系统（LLM + RAG）获得的答案质量既取决于系统本身，也取决于源文档在进入检索流水线时是否保留了结构和含义。
问题
文档格式不仅仅是视觉呈现——它还承载语义。标题、列表、表格、粗体/斜体、图注和内嵌图片等都传递上下文信息，帮助 LLM 理解内容。直接将文档（例如使用 OCR 将每页视为平面图像）转换往往会丢失这些语义，导致 RAG 检索和后续 LLM 回答出现不准确或噪声。
OCR 对扫描文档有帮助，但常常会破坏结构（列表跨页、表格边框误判、批注丢失），并在处理大规模档案时增加成本和基础设施负担。
解决方案
另一种思路是使用具备结构感知的解析方式，将文档结构导出为语义化、适合 LLM 使用的格式 — Markdown。Markdown 轻量、兼容性好，能够保留标题、列表、表格、代码块、强调、图注和图片引用等特性，从而提升检索质量。
GroupDocs.Markdown for .NET 能将常见文档格式（PDF、DOCX、XLSX、ePub 等）转换为干净、语义化的 Markdown，适用于 RAG 系统的导入。它是本地 .NET 库，所有处理均在您的环境中完成 — 无外部服务、无数据泄露、无需依赖远程 GPU。
如何开始
GroupDocs.Markdown for .NET 以 NuGet 包形式提供，也可下载 MSI 与 ZIP 安装包。
使用 .NET CLI 安装 NuGet 包：
dotnet add package GroupDocs.Markdown
或从官方下载页面获取安装程序：https://releases.groupdocs.com/markdown/net/
示例代码（添加到 Program.cs）：
// Import the namespace
using GroupDocs.Markdown;
// Set the license (optional for evaluation)
License.Set("GroupDocs.Markdown.lic");
// Instantiate the converter for a source document
var converter = new MarkdownConverter("rich-text-formatting.docx");
// Convert and save output to file
converter.Convert("rich-text-formatting.md");
转换后的 rich-text-formatting.md 文件将保存在与应用程序相同的文件夹中。
下面的截图展示了输入 DOCX 文件和输出 Markdown。
如果未提供许可证，评估模式仅处理有限页数（例如前 3 页）。如需完整功能，请申请临时许可证。
要申请临时许可证，请打开 Purchase Wizard，填写联系信息，并在 Contact Details 步骤点击 Get a temporary license。临时许可证将通过电子邮件发送给您。
了解临时许可证的更多信息：https://purchase.groupdocs.com/temporary-license/。
支持的文件格式
GroupDocs.Markdown for .NET 支持广泛的企业和电子书格式。完整的扩展名列表如下：
- PDF
pdf
- 电子表格
.xls,.xlsx,.xlsb,.xlsm,.xlt,.xltx,.xltm,.xlam,.csv,.tsv,.ods,.ots,.fods,.numbers,.sxc
- Word / 富文本
.doc,.docx,.dot,.dotm,.dotx,.docm,.rtf,.odt,.ott
- 电子书
.azw3,.mobi,.epub
- 文本 / 标记 / 帮助
.chm,.xml,.txt
工作原理（内部实现 — 高层）
处理文档时会经历两个主要阶段：
-
文档模型提取
文档被解析为内存中的对象模型，表示段落、标题、列表、表格、图片、脚注、批注等结构元素。解析器尽力保留语义（例如列表层级、表格单元格、图片标题）。 -
Markdown 生成
遍历对象模型，根据可配置的转换选项（如何处理图片、表格格式、标题层级、特殊批注等）生成 Markdown。最终得到的 Markdown 文件可直接供 RAG 管道索引。
导出示例
上面的代码示例演示了如何将 DOCX 导出为 Markdown。下面我们通过该示例代码查看源文件和输出文件，以作演示。
Source DOCX
源文件 rich-text-formatting.docx 包含多种内容块，并经过大量格式化以突出主要语义元素。
Preview powered by GroupDocs.Viewer for .NET UI.
Output Markdown
输出的 rich-text-formatting.md 内容如下所示，展示了不同格式元素在生成的 Markdown 文件中的表示方式。
This document contains a variety of formatted elements that are used to test document rendering quality during file conversion
# <a name="_toc76372684"></a>**Font Formatting**
Source Sans Pro Light, 14 pt.
Simple text in Times New Roman 12 followed by an empty paragraph<sub>subscript</sub> and<sup>superscript</sup>.
Various characters: ‘ “ & < > £ ¥ § ¨ © ª « ® » ¼
Paragraph with multiple segments of text formatted in different fonts, sizes and colors. Very different sizes and colors including **bold**, *italic*, underline and 1 2 3 4 5 ~~strikethrough~~. Make sure that the lines wrapped in the same way in Word and in Pdf.
This text has shading and highlighting and borders, and it is supported.
# <a name="_toc76372685"></a>**Paragraph Formatting**
Paragraph shading should not form empty gaps even with spacing 12 after.
Centered paragraph with a line break had a problem.\
Centered paragraph with a line break had a problem.
Right aligned paragraphs must be right aligned properly.
Right aligned paragraph with line break works well.\
Right aligned paragraph with line break works well.
This paragraph has a border.
Right aligned condensed text had a problem.
Right aligned expanded text had a problem.
Spacing after and before do not add up, just the greater is used. This paragraph has 12 after. Also, when indents are different, the shading does not join.
This paragraph has 12 before, but in total there is only 12 above. Also note that shading belongs to the paragraph at the top and shading of this paragraph does not go down unless next paragraph has shading too. There are 24 points below.
There are 24 points above, but the gap between this and previous paragraph is only 24.
This paragraph is a test for double line spacing. This paragraph is a test for double line spacing. It also have 0.5” for the first line.
This is a test for 1.5 line spacing. This is a test for 1.5 line spacing. Also has -0.5” indent for the first line.
This paragraph has a page break
and centered. It actually creates two paragraphs.
This is a test for Exactly 20 points of spacing. This is a test for Exactly 20 points of spacing. TTTTTT (20, 22, 24, 26, 28, 30).
There is a continuous section break after this line.
This line is in the new section. Next here is an empty section.
This line is in the fourth section.
# <a name="_toc76372686"></a>**Paragraph Justify**
This is a justified paragraph with a single segment. 111111111111111111111111111111111111111111.
Also a justified **paragraph** reset to left because of multiple segments. 111111111111111111111111111111111111111111.
# **Non-English Characters**
Wingdings: (x, Symbol: WÄ
Russian: Теперь немного по русски.
# <a name="_toc76372687"></a>**Tables**
|Cell 1.1 Left|Cell 1.2 Right|||
| :- | -: | :- | :- |
|Cell 2.1 Centered vertically|Cell 2.2 with background|Cell 2.3 with line break<br>and coloured border.||
|Cell 3.1 Bottom vertically|<p>Cell 3.2</p><p>Centered</p><p>Horizontally</p>|Cell 3.3 No border||
|Left red, blue top, green right and yellow bottom.|
| :- |
|Table with left indent and merged cells.||||
| :- | :- | :- | :- |
|||||
|||||
**Cell padding etc.**
|<p>Cell padding.</p><p>Top: 0.1, bottom 0.2</p><p>Left: 0.5, Right 0.4</p>|Zero padding on all sides, right aligned.|
| :- | -: |
|Outer 1.1|Outer 1.2. There is a nested table here||
| :- | :-: | -: |
|**Nested 1.1**|**Nested 1.2**|
| :- | :- |
|||Outer 1.3|
| :- | :-: | -: |
#
# <a name="_toc76372688"></a>**Lists**
**Numbered list:**
1. Item 1
1. Item 2
1. Item 2.1
1. Item 2.2
1. Item 3
**Bulleted list:**
- Item 1
- Item 2
- Item 2.1
- Item 2.2
- Item 3
#
# <a name="_toc76372689"></a>**Images**
This section starts from a new page.
**Ellipse text**
Inline GIF 按 50% 缩放，WMF 按 25% 缩放，位于同一段落中。此文本位于图片之前 
表格中的图片。左对齐和右对齐。
||
| :- | -: |
内联文本框  在这里，内联椭圆  在这里。
---
## 新页面开始的章节
它采用纵向方向并设置了页边距。
# <a name="_toc76372690"></a>**字段**
合并字段 «FirstName»
第 5 页
超链接 [Aspose.com](http://www.aspose.com)
目录
[字体格式 1](#_toc76372684)
[段落格式 1](#_toc76372685)
[非英文字符 2](#_toc76372686)
[表格 2](#_toc76372687)
[列表 2](#_toc76372688)
[图片 4](#_toc76372689)
[字段 5](#_toc76372690)
# **表单字段**
编辑 <a name="text1"></a>测试文本
复选框 <a name="check1"></a>
下拉框 <a name="dropdown1"></a>
# **脚注和尾注**
此行在末尾有脚注。[^1]
此行在末尾有尾注。[^2]
[^1]: 脚注 1.
[^2]: 尾注 1.
摘要
GroupDocs.Markdown for .NET 帮助您将各种文档格式转换为适用于 LLM + RAG 系统的语义化 Markdown。它保留文档结构和含义，支持本地部署，并兼容常见企业格式 — 为需要为 AI 消费准备大型文档集合的组织提供了实用选择。
了解更多
- 产品主页: https://products.groupdocs.com/markdown/net/
- 文档: https://docs.groupdocs.com/markdown/net/
- 许可证信息: https://about.groupdocs.com/legal/
- 下载: https://releases.groupdocs.com/markdown/net/
支持与反馈
如有疑问或需要技术帮助，请使用我们的 Free Support Forum — 我们很乐意为您提供帮助。