文章总结： Firecrawl团队开源基于Rust的文档转换库anydoc，可将PDF、Word等14种格式极速转为Markdown。该工具转换中位数仅4.4毫秒，基于字节头识别真实格式且无外部依赖。它统一了内部文档模型与API，大幅降低RAG与Agent开发的文档预处理门槛，开发者可一行命令直接调用。 综合评分： 78 文章分类： 软文广告,产品介绍

Firecrawl 又又又开源一个神级 skill ，暴涨 1 万 Star 。

原创

开源日记 开源日记

开源日记

2026年8月8日 15:12 湖北

在小说阅读器读本章

去阅读

做过的 RAG 或者 Agent开发的朋友，都会遇到同一个问题。

要把几百个PDF、Word、PPT 处理成Markdown，喂给模型。

用过 LibreOffice，很慢，我试过转一个文档要一秒钟以上。

试过用写 Python 脚本来处理，解析库遇到复杂表格就会出现乱码，合并单元格也会丢失。

更夸张的是，有时候用户传过来一个文件，看着后缀名是.docx，但是实际上是.pdf文件，识别程序直接错乱崩溃。

最近我在 GitHub 上看到了 Firecrawl 团队开源的新项目，专门来解决这个问题。

它叫 anydoc，在线五天之后，在 GitHub 上就获得了11000多个star。

它就是将各种办公文档转换为干净的Markdown格式的Rust库。

Word、PPT、Excel、PDF、RTF、EPUB、CSV，14 种格式全支持。

转一个文档，中位数只有 4.4 毫秒。比LibreOffice快了 256 倍，比第二名快了 20 多倍。

而且不需要安装任何东西，一行命令就可以完成。Firecrawl 还把它做成 Agent Skill，你的 AI 编程助手也可以直接使用。

我给你演示一把，你就会知道这个东西有牛X了

假设你手里有一堆乱七八糟的文档，要喂给 RAG 系统。

有2003年的.doc文件、同事发来的.pptx文件、客户提供的老格式.xls文件以及一些.epub电子书。

以前要一个一个地打开、另存为、再转换格式。

安装后，终端输入一行命令即可，无需脚本或环境配置。anydoc自动识别真实格式，不依赖后缀名，即使文件被重命名也能正确转换。

然后转换为干净的Markdown。

标题有锚点、表格合并单元格全部保留、嵌套列表层次分明、脚注尾注无一遗漏。

单文件转换不到500毫秒，批量100个同样在半秒内完成。以前用LibreOffice要等大约 2 分钟左右。

整个过程中，识别、解析、转换都是它自己完成的，你不需要再去管其它的了。

如果文档中包含图片的话，在Markdown中会保留替代文本，并且原始图片的数据也会一同返回，不会丢失。

有人要好奇了，它是怎么做到的

01 用一个文档模型来处理所有的格式。

每种格式先被各自的解析器拆解。Word 有自己的解析器，PPT 有自己的解析器，Excel 有自己的解析器。

但是拆完之后都映射到了同一个内部文档模型里面。

标题、段落、表格、列表、脚注、嵌入资源等都属于一个结构体。

最后使用同一个Markdown序列化器来输出。

这种设计将维护成本集中在模型和序列化层，无需为每种格式单独写输出逻辑。

02 格式检测不看后缀名，只看字节头。

它是根据文件的原始字节签名来读取的。PDF头、RTF开头标记、OLE流名、ZIP包的mimetype。

CSV 没有签名，才需要扩展名或显式指定。这在生产环境里特别实用，用户上传的文件后缀名经常是乱的，anydoc 不在乎。

03 绑定层不会阻塞主线程。

Node.js 的转换在 libuv 线程池中进行，不会影响到事件循环。Python 的转换会释放 GIL，其他的线程仍然可以正常运行。

TypeScript 类型以及 Python stub 都被直接打包进包中，开发体验非常棒。

都使用了社区的标准方案，Node 用的是 NAPI-RS，Python 用的是 PyO3。

还有WASM版本，在浏览器中运行，文件不会上传到第三方。

04 无机器学习、无GPU、无第三方服务。

是用纯Rust写的，没有用到任何机器学习模型，不需要GPU，也不需要调用外部API。

4.4毫秒是只用Ryzen 9的CPU跑出来的，还没有用上 GPU 加速，用上估计会更猛。

官方用了 100 份真实的文档进行了一轮盲评，对 14 种格式都做了测试，并且一共评了 482 次， Claude 给出的分数如下。

anydoc 是唯一一个包含所有的 14 种格式，并且每个格式的评分都是最高的。

同场对比的，是 LibreOffice、pandoc、unstructured、markitdown、docling、mammoth 这些主流工具。

效果这么好，估计大家已经迫不及待想试试了

Node.js 和 Python 用户，只需要一条命令就可以安装好：

npx @firecrawl/anydoc report.docx

pip install firecrawl-anydoc

Rust 用户直接使用 cargo add，浏览器中也可以运行，安装WASM包就可以了。

想在代码里调用，四个语言的 API 完全一致：to_markdown、to_markdown_bytes、to_document。

CLI 也不局限于一个文件，可以用 -o 指定输出文件，用 –format 指定格式，也可以从标准输入读取内容。

如果你是Claude Code或者Codex用户，只需要一行命令就可以使Agent具有读取文档的能力：

npx skills add firecrawl/anydoc

到这里边界也给大家提提

只有图片的PDF是不能转换的，因为没有OCR。

文本型的走本地解析，可以直接转换。

扫描件要使用Firecrawl的云解析接口。

加密过的文档也不行，会直接报出Encrypted错误。

格式错误或者超出安全限制的文件也会返回明确的错误码，而不会出现无头苍蝇一样乱转的情况。

写在最后

Firecrawl 做网页抓取做到了 14.9 万 Star，现在把文档解析也开源了。

他们自己要这个能力来驱动 Parse 产品，造出来之后顺便开源，既造福了社区，也给自己的商业产品打广告。

anydoc 最打动我的地方是省心。

无需LibreOffice、Python环境或GPU。一个二进制文件，一条命令，各种格式都可以使用。

有需要的朋友可以试试看。

项目基于 MIT 协议开放，感兴趣的同学可以去 GitHub 仓库看看源码和文档。

开源地址：https://github.com/firecrawl/anydoc

既然看到这了，欢迎随手点赞、在看、转发，也可以给我个星标⭐，接收最新的文章，我们下期见!

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：开源日记 开源日记 开源日记《Firecrawl 又又又开源一个神级 skill ，暴涨 1 万 Star 。》