pdf-to-md

name	pdf-to-md
description	Converts PDF, PPTX, DOCX, XLSX, HTML, images to Markdown via MarkItDown (Microsoft). Saves .md next to the source file or in a specified folder.
allowedTools	["Bash","Read"]

PDF / PPTX / DOCX -> Markdown

Converts documents to clean Markdown via MarkItDown by Microsoft.

Supported formats: PDF, PPTX, DOCX, XLSX, XLS, HTML, images (JPG, PNG), ZIP archives.

Configuration

No configuration needed. This skill uses markitdown CLI which is installed automatically on first run via pip.

---

Triggers

• "pdf to markdown", "pptx to markdown", "convert PDF/PPTX/DOCX"
• "extract text from file", "convert document"
• /pdf-to-md

Algorithm

Step 1: Determine input files

If user provided a path — use it. If no path provided — ask:

Provide the path to the file (PDF, PPTX, DOCX, XLSX, image).
You can drag a file into chat or paste the full path.

Step 2: Check and install markitdown

if ! command -v markitdown &>/dev/null; then
  echo "Installing markitdown..."
  pip install 'markitdown[all]' -q
fi
markitdown --version 2>/dev/null || echo "ok"

If pip is unavailable — try pip3 or python3 -m pip.

Step 3: Convert file

INPUT="/path/to/file.pdf"
OUTPUT="${INPUT%.*}.md"
markitdown "$INPUT" > "$OUTPUT"
echo "Done: $OUTPUT"
echo "Size: $(wc -l < "$OUTPUT") lines"

If a destination folder is specified:

OUTPUT="/target/dir/$(basename "${INPUT%.*}").md"
markitdown "$INPUT" > "$OUTPUT"

Step 4: Show preview

Show the first 60 lines of the result via Read tool.

If file is empty or < 10 lines — inform:

PDF likely consists of scans without OCR. MarkItDown does not support OCR. Options: 1) Use Marker (heavier, but has OCR) 2) Use Adobe or another OCR tool

Step 5: Final report

CONVERSION COMPLETE
---
File:   <source filename>
Format: <PDF / PPTX / DOCX>
Result: <full path to .md>
Size:   <N lines>

Batch conversion

If user provided multiple files or a folder:

for f in /path/to/*.pdf; do
  markitdown "$f" > "${f%.*}.md"
  echo "Done: $(basename $f)"
done

Important rules

• OCR: MarkItDown does NOT do OCR. Scans without a text layer will produce an empty file — warn the user.
• PPTX: Extracts slide text, headings, tables. Images from slides can be described via LLM if --llm-client is passed (not used by default).
• Overwrite: If <name>.md already exists — warn before overwriting.
• Paths: Use absolute paths. If user gave a relative path — clarify the working directory. �ез Read tool.

Если файл пустой или < 10 строк — сообщи:

PDF, вероятно, состоит из сканов без OCR. MarkItDown не поддерживает OCR. Варианты: 1) Использовать Marker (тяжелее, но OCR) 2) Использовать Adobe или другой OCR

Шаг 5: Финальный отчёт

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
КОНВЕРТАЦИЯ ЗАВЕРШЕНА
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

Файл:   <имя исходного файла>
Формат: <PDF / PPTX / DOCX>
Результат: <полный путь к .md>
Размер: <N строк>

Пакетная конвертация

Если пользователь передал несколько файлов или папку:

# Несколько файлов
for f in /path/to/*.pdf; do
  markitdown "$f" > "${f%.*}.md"
  echo "✓ $(basename $f)"
done

Важные правила

• OCR: MarkItDown НЕ делает OCR. Сканы без текстового слоя дадут пустой файл — предупреди пользователя.
• PPTX: Извлекается текст слайдов, заголовки, таблицы. Изображения из слайдов описываются через LLM если передан --llm-client (по умолчанию не используется).
• Перезапись: Если <name>.md уже существует — предупреди перед перезаписью.
• Пути: Использовать абсолютные пути. Если пользователь дал относительный — уточнить рабочую директорию.