AnyDoc 實測：不到 1 秒把 Word 轉成 Markdown，還能直接交給 Agent 使用

前言

我平常把 PDF、Word 或簡報交給 Agent，主要是要它讀取標題、段落、清單和表格。先整理成 Markdown，後面要摘要、搜尋或擷取資料都比較直接。

這次測的 AnyDoc 就是在做這層轉換。它用 Rust 寫成，不靠模型，也不用先架服務。我拿一份 8.5MB 的繁中 Word 文件跑 CLI，終端機顯示整條指令總共花了 0.997 秒；標題、粗斜體、編號清單、表格和連結也都留了下來。

安裝與基本用法

AnyDoc 的 CLI 需要 Node.js 20 以上。可以先在終端機確認版本：

bash

node --version

不用另外全域安裝 AnyDoc，直接用 npx 就能轉檔：

bash

npx @firecrawl/[email protected] \
  "輸入文件.docx" \
  -o "輸出文件.md"

第一個路徑是原始文件，-o 後面是 Markdown 的輸出位置。第一次執行時，npx 會先下載套件；之後再執行通常會直接使用快取。

Word 可以換成 PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 或文字型 PDF。完成後，用任何 Markdown 編輯器打開輸出的 .md 就能檢查結果。

我這次怎麼測？

我先做了一份繁體中文 Word 文件，內容刻意放入標題、粗體、斜體、中文標點、編號與巢狀清單、表格和超連結。接著在同一個資料夾執行：

bash

time npx @firecrawl/[email protected] \
  "AnyDoc 繁體中文測試文件.docx" \
  -o "anydoc-test.md"

這次終端機顯示 0.997 total。這個數字包含 npx 與 CLI 啟動，不是 AnyDoc 官方 benchmark 裡單純解析文件的時間；而且套件當時已有快取，換一台電腦第一次執行，還要把下載時間算進去。我只把它當成這台 Mac、這份文件的實跑紀錄。

在 macOS 終端機用 AnyDoc v0.1.7 將繁中 DOCX 轉成 Markdown，總時間為 0.997 秒

這次從 npx 指令開始到輸出完成，終端機顯示總時間 0.997 秒

轉換結果保留了什麼？

我把原本的 Word 和轉出的 Markdown 並排。標題層級、粗斜體、編號清單、表格內容與超連結都有留下來，繁體中文也沒有出現亂碼。第二個清單項目後面的 \ 是 Markdown 的強制換行符號，預覽時仍能看到下面的巢狀項目。

左側是 AnyDoc 繁中 Word 測試文件，右側是轉換後的 Markdown 預覽

左邊是原始 Word，右邊是 AnyDoc 輸出的 Markdown

AnyDoc 會捨棄 Word 的字型、欄寬、顏色與頁面配置，圖片也主要以替代文字呈現。留下來的是文件語意結構，方便後續程式或 Agent 讀取；要看原始版面，還是得回到 Word。

檔名有空格時要加引號

我第一次執行時直接把中文檔名貼進終端機：

bash

npx @firecrawl/[email protected] AnyDoc 繁體中文測試文件.docx -o anydoc-test.md

結果出現：

text

anydoc: one document per invocation: unexpected second input '繁體中文測試文件.docx'

原因不是 AnyDoc 讀不到中文，而是 Shell 把空格後面的文字拆成另一個參數。把輸入與輸出路徑都放進雙引號就能正常執行。AnyDoc 一次也只接受一份文件；要處理整個資料夾，仍要另外寫迴圈或交給 Agent 逐份跑。

為什麼它特別適合給 Agent 使用？

AnyDoc 本體是文件解析器與 CLI，官方專案另外附了一個 convert-documents-to-markdown Agent Skill，可以用下面這行安裝：

bash

npx skills add firecrawl/anydoc

安裝完成後，不用自己先轉檔。把文件路徑和後續任務一起交給 Agent，例如：

text

請使用 AnyDoc 把
"/Users/mashuo/Downloads/會議紀錄.docx"
轉成 Markdown，再整理出會議重點、待辦事項與負責人。

Agent 會依照 Skill 裡的說明呼叫 AnyDoc，產生 Markdown，再繼續完成摘要或資料整理。沒有安裝 Skill 也能請有終端機權限的 Agent 執行 CLI，但裝好 Skill 後，它會知道支援哪些格式、何時該使用 -o，以及掃描 PDF 需要改用 OCR 工具。

這個 Skill 的內容很薄，主要是告訴 Agent：遇到無法直接讀取的 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 或 PDF 時，先呼叫 AnyDoc 轉成 GitHub-Flavored Markdown。大型文件則先用 -o 寫成檔案，再只讀任務需要的段落，避免一次把整份內容塞進 context。

官方列出的相容工具包含 Codex、Claude Code、Cursor 與 OpenCode。這個 Skill 只補上一個很小的文件入口：使用者丟進二進位 Office 文件後，Agent 有固定方法把內容轉成自己比較容易處理的文字格式，不會多出另一個聊天介面。

如果本來就在 Node.js、Python 或 Rust 專案裡，也不一定要從 Shell 呼叫。AnyDoc 同時提供 npm、PyPI 與 crates.io 套件，可以直接使用相同的轉換 API。CLI 與 Agent Skill 比較適合先驗證流程，確定會長期整合後，再改成程式庫會比較乾淨。

輕量的代價也很明確

AnyDoc 不載入 OCR 或視覺模型，轉換很快，也不需要 GPU。瀏覽器 Demo 甚至能透過 WebAssembly 在本機處理，文件不必上傳。不過這也代表掃描 PDF、只有圖片的 PDF 無法靠它辨識；官方會直接把這類檔案列為不支援。

我會這樣分工：

情境	我會先選
Word、PowerPoint、Excel 等 Office 文件，要快速交給 Agent 閱讀	AnyDoc
大量不同格式要統一變成 Markdown，接自動化流程	AnyDoc
一般文字型 PDF，只想很快抓出文字	AnyDoc 或 Marker `fast`
掃描 PDF、複雜公式、表格與版面辨識	Marker `balanced` 或 MinerU
要保留原始文件的視覺版面	直接用 Office／PDF 閱讀工具

我自己會分成兩種用法。臨時轉一份文件，就直接跑 npx @firecrawl/anydoc；要讓 Agent 長期處理 Word、PowerPoint 或 Excel，就先安裝官方 Skill，再把文件路徑和任務一起寫進提示詞。對我來說，第二種才是 AnyDoc 最有用的地方：不用先手動複製文件內容，Agent 可以自己轉檔，再接著摘要、搜尋或整理表格。