给大模型或 AI 智能体准备输入时，最麻烦的一步往往是把格式杂乱的办公文档变成干净的纯文本。Firecrawl 开源的 Rust 库 anydoc 直接瞄准这一步：把 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV、PDF 共 14 种格式统一转成 GitHub 风味 Markdown。在项目官方基准测试中，它是唯一覆盖全部 14 种格式的对比工具，中位转换耗时 4.4 毫秒，综合评分 81 分，排在 7 个对比工具首位。项目在 GitHub 上有 18.4k star，MIT 许可，最新版本 v0.2.3 于 2026 年 8 月发布。
它解决什么问题
大模型和智能体读文档，依赖结构清晰的 Markdown：标题、表格、列表、代码块都保留下来，内容才可能被正确理解。但办公文档格式繁多，Word、PPT、Excel、PDF 各有各的解析逻辑，一个团队内部往往同时混着十几种格式。
已有的转换工具各有短板：LibreOffice 转换质量一般且慢，pandoc 对办公格式支持有限，markitdown 只覆盖 6 种格式。anydoc 的做法是把「每个格式解析进同一个文档模型，再由同一个序列化器输出」，转义、表格、脚注在不同格式间行为一致，一处修复全局生效。
关键数字
- GitHub 18.4k star、1.1k fork、124 次提交，MIT 许可；最新版本 v0.2.3（2026 年 8 月发布）
- 代码构成：Rust 80.2%、Python 13.6%
- 提供 Node.js、Python、Rust、WebAssembly（浏览器）四种绑定
- 纯 Rust 实现，无机器学习模型、无外部服务，文档在本机转换
官方基准：唯一全覆盖、速度最快
官方在 100 份真实文档、14 种格式上对比了 7 个工具，由大模型盲评打分（482 次两两判定，评分 0-100，越高越好）：
| 工具 | 覆盖格式 | 中位耗时 | 评分 |
|---|---|---|---|
| anydoc | 14/14 | 4.4 ms | 81 |
| libreoffice | 12/14 | 1129.5 ms | 40 |
| unstructured | 8/14 | 572.9 ms | 63 |
| markitdown | 6/14 | 134.8 ms | 65 |
| pandoc | 5/14 | 102.1 ms | 56 |
| docling | 4/14 | 513.6 ms | 57 |
| mammoth | 1/14 | 52.5 ms | 70 |
按中位耗时算，anydoc 比 LibreOffice 快约 256 倍，比格式覆盖较多的 pandoc 快约 23 倍。需要说明的是，这份基准是项目官方自评（LLM 盲评），不是第三方独立评测。
快和干净从哪来
三个设计决定解释了它的表现。
格式检测靠内容，不靠扩展名。 解析器从文件字节读取标记：PDF 头、RTF 开头、OLE 流名、ZIP 包 mimetype。文件扩展名标错也能转对。CSV 没有这类标记，只能靠扩展名或显式指定。
统一文档模型加单一序列化器。每个格式一个解析器，全部输出到同一个文档模型，再由一个 Markdown 序列化器渲染。表格转义这类问题修一次，所有格式同时受益。
本地处理，按需增强。文本型 PDF 由内置的 pdf-inspector 本地转换，不需要 OCR 服务；纯扫描件这类本地读不了的文件，可以接 Firecrawl 云端的 Parse 接口补 OCR。方程转成 LaTeX（$...$ 和 $$），图片以替代文本呈现，原始字节保留在文档模型里。
五种接入方式
- CLI：
npx @firecrawl/anydoc report.docx，全局安装后可直接用 anydoc 命令 - Node.js：
npm install @firecrawl/anydoc，提供 toMarkdown 系列函数 - Python：
pip install firecrawl-anydoc，提供 anydoc.to_markdown 系列函数，绑定释放 GIL - Rust：
cargo add anydoc - 浏览器：
@firecrawl/anydoc-wasm，转换在浏览器里本地完成，文件不出本机
另外它还打包成 Agent Skill：npx skills add firecrawl/anydoc，Claude Code、Codex、Cursor、OpenCode 等兼容智能体可以直接把任意文档转成 Markdown 再处理。
适合谁用
- 给大模型、RAG 或智能体准备文档语料的团队：anydoc 是格式覆盖最全的开源选择之一，MIT 许可，可以放心集成
- 需要把混合格式文档统一成 Markdown 的自动化流水线：4.4 毫秒的中位耗时意味着批量处理不再是瓶颈
- 在意数据不出本机的场景：转换全程本地执行，无外部服务调用
如果你在搭 AI 文档处理管线，值得先拿它跑一批真实文档验证效果。基准数据是官方自评，最终以你自己的机器、你自己的文档实测为准。