← 返回 AI 开源导航

Marker

RAG 与知识库

GitHub 仓库

一、项目简介

Marker 是开源的文档转换工具，能把 PDF、EPUB 等快速、准确地转换为 Markdown / JSON 等格式，特别适合把大量 PDF 资料转成易于切片和检索的文本，供 RAG 系统使用。

二、核心特性

  • 高质量转换：保留标题、表格、公式结构；
  • 速度快：支持批量与 GPU 加速；
  • 多格式输出：Markdown、JSON、HTML；
  • 支持 OCR：处理扫描件与图片型 PDF；
  • 易集成：命令行与 Python API。

三、适用场景

  • 批量 PDF 转 Markdown 以构建知识库；
  • 论文/报告/合同的结构化提取；
  • RAG 数据预处理流水线。

四、快速上手

pip install marker-pdf
marker_single doc.pdf output/
# 输出 Markdown 到 output/

五、注意事项

  • 复杂排版（多栏、图表）可能需人工校对；
  • GPU 加速需配置 CUDA 环境；
  • 注意模型与依赖的版本兼容。