by Rain Chu 4 月 24, 2026 | Agent , AI , Microsoft , Tool
在 AI 時代，「讓 AI 看懂文件」變成一個非常關鍵的能力，但現實世界的資料格式五花八門，從 PDF、Word 到 PPT、甚至影片與音訊，這些內容對 AI 來說其實並不好直接處理。
這時候，MarkItDown 就成為一把真正的「文件瑞士刀」。
由 Microsoft 開源推出，MarkItDown 能將各種格式的檔案，一鍵轉換成乾淨、結構化、AI 友善的 Markdown，讓 ChatGPT、Claude 或各種 AI Agent 能輕鬆理解與分析。
你只要把 https://github.com/microsoft/markitdown 網址貼給 agent ，請他安裝就可以了
🚀 為什麼 MarkItDown 這麼強？
MarkItDown 最大的優勢只有一句話：
👉 幾乎什麼格式都能轉，而且還轉得漂亮
📂 支援格式（強到誇張）
🧾 辦公文件
PDF
Word（DOCX）
PowerPoint（PPTX）
Excel（XLSX / XLS）
🌐 網頁內容
🖼️ 影像檔
JPG / PNG
支援 OCR 文字辨識
可搭配 AI 產生圖片描述
🎧 音訊檔
WAV / MP3
自動語音轉文字（Speech-to-Text）
📊 資料格式
📦 其他進階格式
ZIP（自動解壓並轉換）
Outlook 郵件
YouTube（自動擷取字幕）
EPub 電子書
✨ 不只是轉檔，而是「結構理解」
很多轉檔工具的問題是：
👉 轉出來變成一坨純文字（完全不能用）
但 MarkItDown 不一樣，它會：
保留標題層級（# ## ###）
還原表格結構
保留清單與段落
維持超連結
👉 轉出來就是 AI 可以直接理解的 Markdown 結構
這對以下應用非常關鍵：
RAG（檢索增強生成）
AI 文件摘要
Agent 自動閱讀文件
⚡ 安裝與使用（超簡單）
安裝
pip install "markitdown[all]"
👉 如果只需要特定格式：
pip install "markitdown[pdf,docx,pptx]"
CLI 使用
markitdown 報告.pdf -o 報告.md
Python 使用
from markitdown import MarkItDownmd = MarkItDown()
👉 幾行程式碼就搞定
🤖 搭配 AI：威力直接翻倍
MarkItDown 真正強的地方，是它「原生為 AI 設計」。
🧠 AI 圖片理解
可串接 OpenAI 視覺模型
自動產生圖片描述
讓 AI 看懂圖片內容
🔍 OCR 文字辨識
整合 Azure Document Intelligence
可讀取掃描 PDF / 圖片文字
🔌 MCP（Model Context Protocol）整合
可直接接入 Claude Desktop
或各種 AI Agent 系統
👉 這點對在做 AI Agent / LangChain / 自動化流程 特別重要
🧩 外掛系統
📌 實際應用場景
1️⃣ 餵 AI 吃文件（超省 Token）
👉 先轉 Markdown，再丟 AI
效果：
Token 減少最多可達 80%
AI 理解更準確
2️⃣ 建構企業知識庫（RAG）
流程：
文件 → MarkItDown → Markdown → Embedding → Vector DB
👉 完整 AI 知識庫 pipeline
3️⃣ AI Agent 文件閱讀能力
在你的 Agent 流程中加入：
文件 → MarkItDown → LLM 分析
👉 Agent 直接具備「讀文件能力」
4️⃣ 會議紀錄自動化
錄音 → 轉文字 → Markdown → AI整理
👉 自動產出結構化會議紀錄
⚠️ 不是萬能
MarkItDown 雖然強，但有幾個限制：
複雜圖表（Chart / Graph）解析較弱
高度排版文件可能失真
不適合做「高保真排版還原」
👉 如果你要的是「完美排版還原」
建議用：Pandoc
👉 如果你要的是「讓 AI 看懂」
🧠 結論：AI 時代的文件標準工具
MarkItDown 解決了一個非常關鍵但常被忽略的問題：
👉 AI 看不懂文件格式
它的價值在於：
✅ 超廣格式支援
✅ 保留結構（不是純文字）
✅ 原生為 AI 設計
✅ 可整合 Agent / RAG / 自動化流程
✅ 免費開源
👉 如果你正在做：
AI Agent
文件分析
自動化流程
知識庫建構
MarkItDown 是 AI Agent 必裝工具。
by Rain Chu 1 月 1, 2025 | GitHub , Windows
PowerToys 是一套由在 Windows 95 就開始用到現在的 Microsoft 開發實用工具集合，專為提高 Windows 使用者生產力和使用體驗而設計，PowerToys 提供了許多高效能的工具，幫助使用者完成日常任務，近年來，Microsoft 將其重新打造為開源專案，並為 Windows 10 和 Windows 11 提供支持。
PowerToys 在 Windows 10, 11 新增功能介紹
進階貼上（Advanced Paste）
此工具允許使用者將剪貼簿中的文字以所需格式貼上，並提供 AI 支援的選項來強化貼上功能。
Always On Top
使用此功能，您可以透過快捷鍵 Win + Ctrl + T 將視窗固定在其他視窗之上，確保重要視窗不被遮蓋。
PowerToys Awake
此工具可讓電腦保持清醒狀態，無需調整電源和睡眠設定，適合執行長時間任務時使用。
File Locksmith
此功能可檢查哪些檔案正在使用中，以及由哪些程序使用，方便管理檔案鎖定狀態。
主控件檔案編輯器（Hosts File Editor）
提供方便的方式來編輯包含網域名稱和相符 IP 位址的「Hosts」檔案，便於網路管理。
無框線的滑鼠（Mouse Without Borders）
允許使用相同的鍵盤和滑鼠與多部電腦互動，順暢地在電腦之間共用剪貼簿內容和檔案。
New+
此功能可讓您從檔案總管中的一組個人化範本建立檔案和資料夾，提升工作效率。
預覽（Peek）
允許您預覽檔案內容，而不需要開啟多個應用程式或中斷工作流程，選取檔案並使用快捷方式 Ctrl + 空格鍵 即可。
螢幕尺規（Screen Ruler）
螢幕尺規是一個實用工具，允許使用者快速測量螢幕上的像素，對於設計師和開發者來說特別有用。 只需按下快捷鍵 Win + Shift + M，即可啟動螢幕尺規，選擇測量方式，量度的像素將顯示在螢幕上。
PowerToys 的主要功能介紹：
1. FancyZones FancyZones 是一個窗口管理工具，讓使用者可以輕鬆定義自訂的視窗佈局。這對於需要多任務處理的人來說非常實用，例如在多螢幕或高解析度顯示器上，同時排列多個應用程式視窗。
功能亮點 ：
設定自訂區域佈局
快速分配應用程式到區域
支持鍵盤快速操作
2. PowerToys Run 這是一個快速啟動器，類似於 macOS 的 Spotlight，可以幫助使用者快速找到應用程式、檔案，甚至執行系統命令。
功能亮點 ：
即時搜尋結果
支持插件擴展
可啟動 URL、執行腳本
3. Keyboard Manager Keyboard Manager 是一個鍵盤重映射工具，讓使用者根據自己的需求修改鍵盤快捷鍵或重新定義按鍵。
功能亮點 ：
支持單鍵和組合鍵重映射
適合想提升工作流程的使用者
4. Color Picker Color Picker 是一個顏色選取工具，特別適合設計師和開發者。使用者可以快速提取螢幕上任意位置的顏色，並獲得 HEX、RGB 等格式。
功能亮點 ：
5. File Explorer Add-ons 這個工具提供了多種檔案預覽功能，讓使用者可以直接在檔案總管中檢視支援格式的內容，例如 SVG、Markdown 和 PDF 等。
功能亮點 ：
6. Text Extractor Text Extractor 是一個 OCR 工具，允許使用者從圖片中提取文字。這在需要快速複製文件或截圖中的內容時特別有用。
功能亮點 ：
7. Mouse Utilities 這是一組滑鼠輔助工具，幫助使用者更輕鬆地找到滑鼠指標或執行高精度點擊。
功能亮點 ：
8. Image Resizer Image Resizer 是一個影像大小調整工具，可以直接在檔案總管中調整圖片大小，適合需要快速批次處理影像的使用者。
功能亮點 ：
為什麼選擇 PowerToys？
免費且開源 ：PowerToys 是一個完全免費的工具，並且基於開源社群開發，功能持續更新。高度客製化 ：所有工具都可以根據使用者需求進行自訂設置。整合 Windows 生態系統 ：與 Windows 的原生功能深度整合，使用者不需要額外安裝繁瑣的軟體。
結論
可以透過 GitHub PowerToys 頁面 下載並探索更多功能。
by rainchu 12 月 24, 2024 | Linux , Ubuntu , Windows
Wubuntu（全名為 Windows Ubuntu）是一款基於 Ubuntu 的作業系統，在提供與 Microsoft Windows 相似的主題和工具，但不需要高規格的系統要求，並且可以在 linux 環境下使用 exe 檔案和 Android 應用，也可以支援 Nvidia 顯卡和繁體中文。
Wubuntu
主要特色：
Windows 應用程式相容性 ：透過優化的 Wine，讓Wubuntu 能夠順暢地執行多種 Windows 平台的應用程式。Android 和 PlayStore 相容性 ：內建的 Android 子系統允許直接從 PlayStore 安裝遊戲和應用程式。適用於舊硬體設備 ：Wubuntu 不需要特殊的硬體要求，只需裝置支援 64 位元即可。
最新版本： Wubuntu 的最新版本基於 Kubuntu 24.04.1 LTS，代號為「Winux」或「Windows Theme Over Linux」。
硬體需求：
64 位元雙核心 CPU
2 GB 記憶體（建議 4 GB）
20 GB 硬碟空間（建議使用 SSD）
PowerTools： 這是一組工具，提供類似於 Windows 系統的控制面板和設定，以及增強的 Windows 和 Android 子系統支援，還可以上網用 OneDrive 和 Google Drive。
下載與支援：
使用者可以透過官方網站下載 Wubuntu 的最新版本，安裝檔案是 ISO 檔案，是可以用 VM 安裝或是用 USB 隨身碟安裝。
採用 Hyper-V
開機的安全性選項要選擇 Microsoft UEFI
注意事項： Wubuntu 可能涉及一些版權和商標問題，以及使用者資料處理方面的爭議。
by rainchu 7 月 31, 2024 | AI , Chat
2024/07 相信 AI 界最火的是 Microsoft 推出的 GraphRAG 了，看起來很簡單，但坑也不少，網路上教學很多，我這邊專門做一集推坑以及救贖的文章
訓練價格過高
用便宜模型 gpt-4o-mini
llm:
api_key: ${GRAPHRAG_API_KEY}
type: openai_chat # or azure_openai_chat
model: gpt-4o-mini
model_supports_json: true # recommended if this is available for your model. 用 local ollama, vllm, LM Studio
要用 ollama 的話，要先安裝 ollama 的庫
並且用別人已經改好的程式碼
git clone https://github.com/TheAiSingularity/graphrag-local-ollama.git 執行細節可以看
https://medium.com/@vamshirvk/unlocking-cost-effective-local-model-inference-with-graphrag-and-ollama-d9812cc60466
VIDEO
視覺化模型
請下載 Gephi
打開 settings.yaml 並且找到 snapshots 將 graphml 打開，這樣子在 index 的時候就會幫你生成 .graphml 的檔案，之後就可以用 Gephi 去編輯他
snapshots:
graphml: true
raw_entities: true
top_level_nodes: true 參考資料
GraphRAG Github
https://github.com/microsoft/graphrag
by Rain Chu 3 月 26, 2024 | AI , Chat
想要做自己的 chatGPT ? 想要用自己的 DATA 訓練機器人? 不知道甚麼是 VectorDB，或是想要企業的聊天機器人應用? 還是想要結合EXCEL回答問題，還是想用機器人幫你完成各式各樣的任務。
第一步驟推薦看下面的文章
GitHub – xuhaoruins/Azure-OpenAI-App-Innovation-Workshop
Azure_App_Innovation_Inspiration_Demo · Streamlit (haxu.dev)
近期留言