YOHO AI

标签： 文档处理

  • OfficeCLI：让 AI Agent 一句话掌控 Word / Excel / PowerPoint 的开源办公套件

    OfficeCLI：让 AI Agent 一句话掌控 Word / Excel / PowerPoint 的开源办公套件

    release license

    📌 项目简介

    OfficeCLI 是全球首个专为 AI Agent 打造的 Office 办公套件，用一行命令就能让任意 AI 智能体读取、编辑、自动化生成 Word / Excel / PowerPoint 文档。它采用单一可执行文件、无需安装 Microsoft Office、零依赖、跨平台运行，目前已斩获 11.5K+ Stars（Apache-2.0 协议）。

    “OfficeCLI’s built-in HTML rendering engine reproduces documents with high fidelity —— and that’s what gives AI eyes.”

    ⚙️ 安装要求和过程

    环境要求

    • 单一二进制：自包含可执行文件，无需安装 Microsoft Office，无需 .NET 运行时。
    • 跨平台：macOS / Linux / Windows 均可运行。
    • 仅需基础的命令行环境，内存占用极低。

    快速安装

    # macOS / Linux
curl -fsSL https://raw.githubusercontent.com/iOfficeAI/OfficeCLI/main/install.sh | bash

# Windows (PowerShell)
irm https://raw.githubusercontent.com/iOfficeAI/OfficeCLI/main/install.ps1 | iex

# 或任选其一
brew install officecli
npm install -g @officecli/officecli

    安装后运行 officecli install 将二进制加入 PATH，并自动把 officecli skill 注入 Claude Code、Cursor、Windsurf、GitHub Copilot 等 AI 编程工具，Agent 立刻就能替你创建 / 读取 / 编辑 Office 文档。

    30 秒上手

    # 1. 创建一个空白 PPT
officecli create deck.pptx

# 2. 启动实时预览（浏览器打开 http://localhost:26315）
officecli watch deck.pptx

# 3. 另开终端添加一页，浏览器即时刷新
officecli add deck.pptx / --type slide --prop title="Hello, World!"

    ✨ 核心功能

    • 三格式全读写改：Word(.docx)、Excel(.xlsx)、PowerPoint(.pptx) 全部支持创建、读取（文本 / 结构 / 样式 / 公式）、修改与重组，告别 python-pptx 等一堆库。
    • 内置 HTML 渲染引擎：把文档渲染成 HTML / PNG，给 AI 装上“眼睛”，形成 渲染 → 看 → 改 的闭环，AI 能看见自己生成的成品并自动修正。
    • 路径寻址 + 结构化 JSON：用 /slide[1]/shape[1] 这样的 XPath 式路径精准定位任意元素，并可输出结构化 JSON，便于程序化操作。
    • 实时预览：officecli watch 启动本地预览服务（localhost:26315），每次 add / set / remove 命令即时刷新浏览器，所见即所得。
    • 为 Agent 而生：一行 curl -fsSL https://officecli.ai/SKILL.md 即可让 AI Agent 自动读取技能文件并安装使用；自动把 skill 装进主流 AI 编程工具。

    🎯 典型使用场景

    1. AI 自动生成汇报 PPT：让 Agent 一句话产出季度汇报、融资路演、技术分享等演示文稿，自动处理排版、配色与图表。
    2. 批量处理 Excel 报表：自动生成预算表、成绩册、销售看板，支持公式、图表与条件格式。
    3. 程序化生成 Word 文档：一键产出学术论文、项目方案、年度报告，支持多语言 i18n 与 RTL 从右到左排版。

    💡 推荐理由

    以前用 python-pptx 写个 PPT 要 50 行代码还容易错位，OfficeCLI 一行命令就搞定；更关键的是它自带渲染闭环，让 AI 能“看见”自己生成的样子并自我修正——这对想给 Agent 接上“办公能力”的开发者几乎是开箱即用的利器。Apache-2.0 协议、单一二进制、零依赖，本地运行也保障了文档隐私。如果你正在做 AI 办公自动化、RPA 或 Agent 工具链，非常值得一试。

    🔗 下载地址

  • 【开源推荐】markitdown：150K+ Stars！微软开源文档转Markdown神器，LLM管道必备

    【开源推荐】markitdown：150K+ Stars！微软开源文档转Markdown神器，LLM管道必备

    MICROSOFT 开源

    markitdown

    150K+ Stars · 将任意文档一键转换为 Markdown

    Python 3.10+
    MIT 开源
    LLM 友好
    📌 项目简介

    markitdown 是微软出品的一款轻量级 Python 工具，支持将 PDF、PowerPoint、Word、Excel、HTML、CSV、JSON、音频、视频等 数十种文件格式 统一转换为 Markdown 格式，是大模型文档处理管道中的核心基础设施。

    ⚙ 安装要求与过程

    环境要求
    • Python 3.10 及以上版本
    • 推荐使用虚拟环境（venv / uv / conda）
    • pip 21.0+（用于安装可选依赖组）
    快速安装（全格式支持）
    # 全量安装（推荐）
pip install 'markitdown[all]'

# 命令行直接使用
markitdown document.pdf > output.md

# Python API 使用
from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("document.pdf")
print(result.text_content)

    按需安装（减少依赖体积）
    pip install 'markitdown[pdf, docx, pptx]'   # 仅 PDF/Word/PPT
pip install 'markitdown[youtube-transcription]'  # 仅 YouTube 字幕

    ★ 核心功能

    📄 多格式支持
    PDF、Word、PPT、Excel、HTML、CSV、JSON、XML、EPUB、ZIP，覆盖办公全场景

    🖼️ 图片 & 音频
    图片 EXIF 元数据提取 + OCR，音频语音转写，视频字幕自动获取

    🤖 LLM 集成
    可调用 GPT-4V 等大模型为图片/幻灯片生成描述，增强多模态理解

    🔌 插件扩展
    支持第三方插件（如 markitdown-ocr），社区插件标签 #markitdown-plugin

    ☁️ Azure 集成
    支持 Azure Document Intelligence 和 Azure Content Understanding，企业级文档解析能力

    ▶ 典型使用场景

    场景一：RAG 知识库文档预处理

    在构建 RAG（检索增强生成）应用时，需要将企业内部的 PDF 手册、Word 文档、PowerPoint 课件统一转换为 Markdown，再切片嵌入向量数据库。markitdown 一条命令批量处理，保留标题层级和表格结构，大幅提升检索精度。

    for f in docs/*.pdf; do
  markitdown "$f" -o "md/${f%.pdf}.md"
done

    场景二：LLM 文档理解管道

    将用户上传的任意格式文档（简历、合同、报告）转换为 Markdown 后传给 LLM 进行分析、摘要或信息提取。markitdown 的 Markdown 输出对 Token 消耗远低于原始二进制格式，降低成本。

    from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("contract.docx")
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role":"user","content":f"摘要：{result.text_content}"}]
)

    💡 推荐理由

    作为一名经常和 LLM 打交道的开发者，markitdown 已经成为我工具箱里的常驻成员。它的价值在于把”任意文档”变成”LLM 能理解的文本”，这在大模型应用开发中是一个高频且痛点的需求。

    最让我惊喜的是它的格式保留能力——转换后的 Markdown 仍然保留表格结构、标题层级和链接，这直接决定了 RAG 检索的质量。相比之下，很多同类工具转换后就只剩纯文本了。

    来自微软 AutoGen 团队的维护保证，加上 150K+ Stars 的社区验证，这款工具的可靠性和迭代速度都非常值得信赖。如果你正在做任何涉及文档处理的大模型应用，markitdown 绝对是不二之选。

    由 AI 自动整理，更多开源项目介绍持续更新中 🚀