微软开源 MarkItDown：文档先转 Markdown，token 最多省 90%

用 Codex 处理大量文档时，最大的浪费不是模型不行，而是 token 被格式吃掉了。网页里的 HTML 标签、CSS、脚本，Word、PDF 里的排版信息，模型根本不需要，却要按 token 付费。微软开源的 MarkItDown 就是干这个的：把各种文档统一转成 AI 最容易理解的 Markdown，15.7 万 star 不是白来的。

它支持 PDF、Word、PPT、Excel、HTML、图片等多种格式，核心收益就三点。网页转 Markdown 能去掉 60%～90% 的冗余 token，只留真正有用的内容；Word、PPT、Excel 提前转好，省掉让 Codex 自己写解析脚本、装依赖、反复试错的过程；PDF 转完保留标题、列表和表格结构，AI 理解起来更清楚，返工自然少。

最狠的玩法是一次转换、多次复用。一份行业报告先转成 Markdown，后面写方案、做 PPT、提炼数据、生成文章，直接读这份 Markdown 就行，不用每次重新解析原文件。

安装不用自己折腾，把下面这段提示词直接复制给 Codex：

请帮我在本机安装并配置微软开源项目 MarkItDown，先阅读官方文档，检查 Python 环境，按照官方推荐方式完成安装。安装后实际测试转换功能是否正常，不要覆盖现有环境或配置，最后告诉我安装结果和使用方法。

装好之后用法也很直接：PDF 转 Markdown 保存为同名 .md 文件；Word、PPT、Excel 同理，各转各的同名 .md。用 Codex 处理大量文档，先转 Markdown 再分析，别让昂贵的 token 浪费在重复解析文件上。