| name | markitdown |
| description | Convierte documentos (PDF, DOCX, PPTX, XLSX, HTML, CSV) a Markdown usando la herramienta MarkItDown de Microsoft, para incorporarlos como contexto eficiente en tokens. Usa esta skill cuando se pida convertir, extraer o leer el contenido de un documento de oficina o PDF. |
Conversión de documentos a Markdown
Envuelve MarkItDown, la
herramienta de Microsoft (Python, licencia MIT) para convertir formatos
de documento a Markdown. Markdown es el formato más eficiente en tokens
para dar documentos a un modelo, y la conversión con script es
determinística: no dependes de que el modelo "interprete" un binario.
Pre-requisito
Python 3.10+ y el paquete instalado:
pip install 'markitdown[all]'
Si el comando markitdown no existe, reporta al usuario el comando de
instalación anterior en lugar de intentar leer el binario directamente.
Proceso
-
Verifica que el archivo de entrada existe y su extensión está
soportada (pdf, docx, pptx, xlsx, xls, html, csv, json, xml, epub).
-
Convierte a un archivo Markdown junto al original:
markitdown <archivo-entrada> -o <archivo-entrada>.md
-
Lee el .md resultante, no el original, para cualquier análisis
posterior.
-
Si el resultado supera ~500 líneas y el usuario pidió algo puntual
(por ejemplo "las reglas de validación de monto"), extrae solo las
secciones relevantes al contexto en lugar de cargar todo.
Reglas
- Nunca pegues el documento completo en la respuesta si el usuario pidió
un resumen o una extracción: responde con lo pedido y menciona la ruta
del
.md generado.
- Documentos escaneados (imagen dentro de PDF) pueden salir vacíos:
MarkItDown sin extras no hace OCR confiable. Si el resultado está
vacío o casi vacío, repórtalo en lugar de inventar contenido.
- No conviertas archivos fuera del workspace del proyecto sin
confirmación del usuario.
Contexto de Contoso Banco
El uso típico en este repo: especificaciones regulatorias en PDF y
contratos de API del core bancario en DOCX. Al convertirlos, guárdalos
en docs/fuentes/ para que queden versionados junto al código que los
implementa.
