[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-zcaceres--markdownify-mcp":3,"tool-zcaceres--markdownify-mcp":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",151314,2,"2026-04-11T23:32:58",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":103,"forks":104,"last_commit_at":105,"license":106,"difficulty_score":107,"env_os":108,"env_gpu":108,"env_ram":108,"env_deps":109,"category_tags":116,"github_topics":117,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":127,"updated_at":128,"faqs":129,"releases":165},6809,"zcaceres\u002Fmarkdownify-mcp","markdownify-mcp","A Model Context Protocol server for converting almost anything to Markdown","markdownify-mcp 是一款基于模型上下文协议（MCP）构建的开源服务器，旨在充当万能的内容格式转换器。它能将 PDF、图片、音频、Office 文档（Word\u002FExcel\u002FPPT）以及网页内容（包括 YouTube 视频字幕和必应搜索结果）一键转换为结构清晰、易于阅读的 Markdown 文本。\n\n在 AI 应用开发中，大模型往往难以直接理解复杂的二进制文件或杂乱的网页代码。markdownify-mcp 正好解决了这一痛点，它作为中间桥梁，将各类非结构化数据“翻译”成模型最擅长的 Markdown 格式，从而显著提升 AI 处理多模态信息的准确率与效率。此外，它还支持安全地读取本地已有的 Markdown 文件，方便构建连贯的知识库工作流。\n\n这款工具特别适合 AI 应用开发者、研究人员以及需要频繁整理多源资料的技术人员使用。通过简单的配置，即可将其集成到各类支持 MCP 的桌面应用或智能体系统中。其独特的技术亮点在于统一的工具接口设计——无论是提取图片元数据、转录音频内容，还是解析表格数据，都通过标准化的 MCP 工具调用完成，极大地降低了多格式数据处理的开发门槛，让创","markdownify-mcp 是一款基于模型上下文协议（MCP）构建的开源服务器，旨在充当万能的内容格式转换器。它能将 PDF、图片、音频、Office 文档（Word\u002FExcel\u002FPPT）以及网页内容（包括 YouTube 视频字幕和必应搜索结果）一键转换为结构清晰、易于阅读的 Markdown 文本。\n\n在 AI 应用开发中，大模型往往难以直接理解复杂的二进制文件或杂乱的网页代码。markdownify-mcp 正好解决了这一痛点，它作为中间桥梁，将各类非结构化数据“翻译”成模型最擅长的 Markdown 格式，从而显著提升 AI 处理多模态信息的准确率与效率。此外，它还支持安全地读取本地已有的 Markdown 文件，方便构建连贯的知识库工作流。\n\n这款工具特别适合 AI 应用开发者、研究人员以及需要频繁整理多源资料的技术人员使用。通过简单的配置，即可将其集成到各类支持 MCP 的桌面应用或智能体系统中。其独特的技术亮点在于统一的工具接口设计——无论是提取图片元数据、转录音频内容，还是解析表格数据，都通过标准化的 MCP 工具调用完成，极大地降低了多格式数据处理的开发门槛，让创作者能更专注于内容本身而非格式转换的繁琐细节。","# Markdownify MCP Server\n\n![markdownify mcp logo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzcaceres_markdownify-mcp_readme_1065c4ea1cf3.jpg)\n\nMarkdownify is a Model Context Protocol (MCP) server that converts various file types and web content to Markdown format. It provides a set of tools to transform PDFs, images, audio files, web pages, and more into easily readable and shareable Markdown text.\n\n\u003Ca href=\"https:\u002F\u002Fglama.ai\u002Fmcp\u002Fservers\u002Fbn5q4b0ett\">\u003Cimg width=\"380\" height=\"200\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzcaceres_markdownify-mcp_readme_7614b230b783.png\" alt=\"Markdownify Server MCP server\" \u002F>\u003C\u002Fa>\n\n## Features\n\n- Convert multiple file types to Markdown:\n  - PDF\n  - Images\n  - Audio (with transcription)\n  - DOCX\n  - XLSX\n  - PPTX\n- Convert web content to Markdown:\n  - YouTube video transcripts\n  - Bing search results\n  - General web pages\n- Retrieve existing Markdown files\n\n## Getting Started\n\n1. Clone this repository\n2. Install dependencies:\n   ```\n   pnpm install\n   ```\n\nNote: this will also install `uv` and related Python depdencies.\n\n3. Build the project:\n   ```\n   pnpm run build\n   ```\n4. Start the server:\n   ```\n   pnpm start\n   ```\n\n## Development\n\n- Use `pnpm run dev` to start the TypeScript compiler in watch mode\n- Modify `src\u002Fserver.ts` to customize server behavior\n- Add or modify tools in `src\u002Ftools.ts`\n\n## Usage with Desktop App\n\nTo integrate this server with a desktop app, add the following to your app's server configuration:\n\n```js\n{\n  \"mcpServers\": {\n    \"markdownify\": {\n      \"command\": \"node\",\n      \"args\": [\n        \"{ABSOLUTE PATH TO FILE HERE}\u002Fdist\u002Findex.js\"\n      ],\n      \"env\": {\n        \u002F\u002F By default, the server will use the default install location of `uv`\n        \"UV_PATH\": \"\u002Fpath\u002Fto\u002Fuv\"\n      }\n    }\n  }\n}\n```\n\n## Available Tools\n\n- `youtube-to-markdown`: Convert YouTube videos to Markdown\n- `pdf-to-markdown`: Convert PDF files to Markdown\n- `bing-search-to-markdown`: Convert Bing search results to Markdown\n- `webpage-to-markdown`: Convert web pages to Markdown\n- `image-to-markdown`: Convert images to Markdown with metadata\n- `audio-to-markdown`: Convert audio files to Markdown with transcription\n- `docx-to-markdown`: Convert DOCX files to Markdown\n- `xlsx-to-markdown`: Convert XLSX files to Markdown\n- `pptx-to-markdown`: Convert PPTX files to Markdown\n- `get-markdown-file`: Retrieve an existing Markdown file. File extension must end with: *.md, *.markdown.\n  \n  OPTIONAL: set `MD_SHARE_DIR` env var to restrict the directory from which files can be retrieved, e.g. `MD_SHARE_DIR=[SOME_PATH] pnpm run start` \n\n## Contributing\n\nContributions are welcome! Please feel free to submit a Pull Request.\n\n## License\n\nThis project is licensed under the MIT License - see the [LICENSE](LICENSE) file for details.\n","# Markdownify MCP 服务器\n\n![markdownify mcp logo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzcaceres_markdownify-mcp_readme_1065c4ea1cf3.jpg)\n\nMarkdownify 是一个模型上下文协议 (MCP) 服务器，它可以将各种文件类型和网页内容转换为 Markdown 格式。它提供了一组工具，可以将 PDF、图片、音频文件、网页等转换成易于阅读和分享的 Markdown 文本。\n\n\u003Ca href=\"https:\u002F\u002Fglama.ai\u002Fmcp\u002Fservers\u002Fbn5q4b0ett\">\u003Cimg width=\"380\" height=\"200\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzcaceres_markdownify-mcp_readme_7614b230b783.png\" alt=\"Markdownify Server MCP server\" \u002F>\u003C\u002Fa>\n\n## 功能特性\n\n- 将多种文件类型转换为 Markdown：\n  - PDF\n  - 图片\n  - 音频（带转录）\n  - DOCX\n  - XLSX\n  - PPTX\n- 将网页内容转换为 Markdown：\n  - YouTube 视频字幕\n  - Bing 搜索结果\n  - 通用网页\n- 检索现有的 Markdown 文件\n\n## 快速开始\n\n1. 克隆此仓库\n2. 安装依赖：\n   ```\n   pnpm install\n   ```\n\n注意：这也会安装 `uv` 及其相关的 Python 依赖。\n\n3. 构建项目：\n   ```\n   pnpm run build\n   ```\n4. 启动服务器：\n   ```\n   pnpm start\n   ```\n\n## 开发\n\n- 使用 `pnpm run dev` 在监听模式下启动 TypeScript 编译器\n- 修改 `src\u002Fserver.ts` 来自定义服务器行为\n- 在 `src\u002Ftools.ts` 中添加或修改工具\n\n## 与桌面应用集成\n\n要将此服务器与桌面应用集成，请在应用的服务器配置中添加以下内容：\n\n```js\n{\n  \"mcpServers\": {\n    \"markdownify\": {\n      \"command\": \"node\",\n      \"args\": [\n        \"{此处填写文件的绝对路径}\u002Fdist\u002Findex.js\"\n      ],\n      \"env\": {\n        \u002F\u002F 默认情况下，服务器会使用 `uv` 的默认安装路径\n        \"UV_PATH\": \"\u002Fpath\u002Fto\u002Fuv\"\n      }\n    }\n  }\n}\n```\n\n## 可用工具\n\n- `youtube-to-markdown`: 将 YouTube 视频转换为 Markdown\n- `pdf-to-markdown`: 将 PDF 文件转换为 Markdown\n- `bing-search-to-markdown`: 将 Bing 搜索结果转换为 Markdown\n- `webpage-to-markdown`: 将网页转换为 Markdown\n- `image-to-markdown`: 将图片转换为带有元数据的 Markdown\n- `audio-to-markdown`: 将音频文件转换为带有转录的 Markdown\n- `docx-to-markdown`: 将 DOCX 文件转换为 Markdown\n- `xlsx-to-markdown`: 将 XLSX 文件转换为 Markdown\n- `pptx-to-markdown`: 将 PPTX 文件转换为 Markdown\n- `get-markdown-file`: 检索现有的 Markdown 文件。文件扩展名必须以 *.md 或 *.markdown 结尾。\n\n可选：设置 `MD_SHARE_DIR` 环境变量来限制可检索文件的目录，例如 `MD_SHARE_DIR=[SOME_PATH] pnpm run start`。\n\n## 贡献\n\n欢迎贡献！请随时提交 Pull Request。\n\n## 许可证\n\n该项目采用 MIT 许可证授权——详情请参阅 [LICENSE](LICENSE) 文件。","# Markdownify MCP 快速上手指南\n\nMarkdownify 是一个基于模型上下文协议（MCP）的服务器，能够将 PDF、图片、音频、Office 文档及网页内容等多种格式转换为易读的 Markdown 文本。\n\n## 环境准备\n\n- **操作系统**：支持 Windows、macOS 或 Linux\n- **前置依赖**：\n  - Node.js (推荐 v18+)\n  - pnpm (包管理工具)\n  - Python (安装脚本会自动处理 `uv` 及相关 Python 依赖，无需手动配置)\n\n> **国内加速建议**：若安装依赖较慢，可配置 pnpm 使用国内镜像源：\n> ```bash\n> pnpm config set registry https:\u002F\u002Fregistry.npmmirror.com\n> ```\n\n## 安装步骤\n\n1. **克隆仓库**\n   ```bash\n   git clone \u003Crepository-url>\n   cd markdownify-mcp\n   ```\n\n2. **安装依赖**\n   此步骤会自动安装 `uv` 及所需的 Python 库。\n   ```bash\n   pnpm install\n   ```\n\n3. **构建项目**\n   ```bash\n   pnpm run build\n   ```\n\n4. **启动服务**\n   ```bash\n   pnpm start\n   ```\n   *可选：若需限制文件读取目录，可设置环境变量启动：*\n   ```bash\n   MD_SHARE_DIR=\u002Fyour\u002Fsafe\u002Fpath pnpm start\n   ```\n\n## 基本使用\n\n启动成功后，该服务器可作为 MCP 客户端的工具源被调用。以下是集成到桌面应用或 AI 助手的配置示例。\n\n### 1. 配置 MCP 客户端\n\n在你的 AI 桌面应用（如 Cursor、Claude Desktop 等）的配置文件中添加以下服务器定义。请将 `{ABSOLUTE PATH TO FILE HERE}` 替换为你本地的实际绝对路径。\n\n```js\n{\n  \"mcpServers\": {\n    \"markdownify\": {\n      \"command\": \"node\",\n      \"args\": [\n        \"{ABSOLUTE PATH TO FILE HERE}\u002Fdist\u002Findex.js\"\n      ],\n      \"env\": {\n        \u002F\u002F 指定 uv 路径，通常可省略以使用默认安装位置\n        \u002F\u002F \"UV_PATH\": \"\u002Fpath\u002Fto\u002Fuv\"\n      }\n    }\n  }\n}\n```\n\n### 2. 可用工具示例\n\n配置完成后，你可以在对话中直接调用以下功能（具体指令取决于你的 AI 客户端）：\n\n- **转换 YouTube 视频**：`youtube-to-markdown` (获取视频转录文本)\n- **解析本地文档**：`pdf-to-markdown`, `docx-to-markdown`, `pptx-to-markdown`, `xlsx-to-markdown`\n- **提取网页内容**：`webpage-to-markdown`, `bing-search-to-markdown`\n- **多媒体处理**：`image-to-markdown` (含元数据), `audio-to-markdown` (含语音转录)\n- **读取文件**：`get-markdown-file` (读取 `.md` 或 `.markdown` 文件)\n\n**使用场景示例**：\n> “请使用 `pdf-to-markdown` 工具将 `\u002FUsers\u002Fname\u002Fdocument.pdf` 转换为 Markdown 格式并总结内容。”","一位数据分析师需要快速整合分散在 PDF 报告、YouTube 技术演讲和 Excel 表格中的多源信息，以生成一份统一的市场调研摘要。\n\n### 没有 markdownify-mcp 时\n- 手动复制 PDF 文字常导致格式错乱，需花费大量时间重新调整标题和列表层级。\n- 观看 YouTube 视频只能依靠人工听写或寻找不准确的自动字幕，难以提取关键论点。\n- 面对 Excel 数据表，必须截图或手动转录为文本，破坏了数据的结构化特征，不利于后续处理。\n- 不同来源的内容格式各异，汇总时需反复切换工具进行清洗，严重打断思考心流。\n- 最终文档风格割裂，缺乏统一的 Markdown 标记，无法直接用于版本控制或知识库归档。\n\n### 使用 markdownify-mcp 后\n- 调用 `pdf-to-markdown` 工具一键将复杂排版的 PDF 转为结构清晰的 Markdown，完美保留标题与段落逻辑。\n- 通过 `youtube-to-markdown` 直接提取视频完整逐字稿并自动分段，瞬间掌握演讲核心内容。\n- 利用 `xlsx-to-markdown` 将电子表格自动转换为规范的 Markdown 表格，数据行列对齐且易于阅读。\n- 所有异构数据源被统一转化为标准 Markdown 格式，可在同一编辑器中无缝拼接和编辑。\n- 生成的内容天然适配 Git 仓库和静态网站，大幅缩短从资料收集到报告发布的周期。\n\nmarkdownify-mcp 通过将万物转化为标准化的 Markdown，彻底消除了多源信息整合中的格式壁垒，让知识流转效率倍增。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzcaceres_markdownify-mcp_1065c4ea.jpg","zcaceres","Zach Caceres","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fzcaceres_105ced33.jpg","Build all the things!","Bold Conjectures","Denver, CO",null,"zachcaceres","zach.dev","https:\u002F\u002Fgithub.com\u002Fzcaceres",[84,88,92,96,100],{"name":85,"color":86,"percentage":87},"TypeScript","#3178c6",94.3,{"name":89,"color":90,"percentage":91},"Dockerfile","#384d54",2.6,{"name":93,"color":94,"percentage":95},"JavaScript","#f1e05a",1.8,{"name":97,"color":98,"percentage":99},"Shell","#89e051",0.6,{"name":101,"color":102,"percentage":99},"Batchfile","#C1F12E",2571,210,"2026-04-11T21:57:07","MIT",4,"未说明",{"notes":110,"python":111,"dependencies":112},"该项目是一个 MCP 服务器，需先安装 pnpm。运行时会通过 uv 自动安装所需的 Python 依赖。若需限制文件读取目录，可设置 MD_SHARE_DIR 环境变量。集成到桌面应用时需配置 node 命令指向构建后的 dist\u002Findex.js 文件。","未说明 (通过 uv 自动管理)",[113,114,115],"uv","pnpm","node",[15,13,14],[118,119,120,121,122,123,124,125,126],"ai","anthropic","anthropic-ai","anthropic-claude","markdown","mcp","model-context-protocol","ocr","tools","2026-03-27T02:49:30.150509","2026-04-12T13:59:56.757863",[130,135,140,145,150,155,160],{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},30711,"在 Windows 上运行时出现 'markitdown executable not found' 错误怎么办？","这通常是由于 UV 环境路径问题导致的，全局 UV 环境无法找到本地的 site-packages。解决方法是在配置中设置环境变量，指向项目目录和虚拟环境目录：\n\n```json\n\"env\": {\n  \"UV_PROJECT\": \"你的路径\u002Fmarkdownify-mcp\",\n  \"VIRTUAL_ENV\": \"你的路径\u002Fmarkdownify-mcp\u002F.venv\"\n}\n```\n\n此外，相关的路径展开和虚拟环境模块解析问题已在 #76 中通过移除 uv 并直接调用虚拟环境中的 markitdown 修复。如果问题仍然存在，请确认是否使用了最新的代码。","https:\u002F\u002Fgithub.com\u002Fzcaceres\u002Fmarkdownify-mcp\u002Fissues\u002F5",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},30712,"使用 Docker 容器安装时提示 'markitdown executable not found' 如何解决？","该错误的根本原因通常是 `.venv` 未在正确的目录创建，或预安装脚本未运行。\n\n对于 Docker 用户，建议直接使用官方镜像，它会自动处理环境配置：\n`mcp\u002Fmarkdownify`\n\n如果在非 Docker 环境下遇到此问题，可以通过设置以下环境变量来解决：\n```json\n\"env\": {\n  \"UV_PROJECT\": \"你的路径\u002Fmarkdownify-mcp\",\n  \"VIRTUAL_ENV\": \"你的路径\u002Fmarkdownify-mcp\u002F.venv\"\n}\n```\n更新后的错误信息会显示具体的搜索路径和设置 Python 虚拟环境所需的命令，便于诊断。","https:\u002F\u002Fgithub.com\u002Fzcaceres\u002Fmarkdownify-mcp\u002Fissues\u002F12",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},30713,"处理长 YouTube 视频转录时出现 'stdout maxBuffer length exceeded' 错误怎么办？","这是因为 Node.js 的 `child_process.execFile` 默认最大缓冲区为 1MB，而长视频的转录内容超过了此限制。\n\n解决方案有两种：\n1. **增加缓冲区限制**：在调用 `execFileAsync` 时添加 `maxBuffer` 参数（例如设置为 10MB）：\n   ```typescript\n   const { stdout, stderr } = await execFileAsync(\n     expandedUvPath, \n     [\"run\", markitdownPath, filePath],\n     { maxBuffer: 10 * 1024 * 1024 } \u002F\u002F 10MB\n   );\n   ```\n2. **使用 spawn 流式处理**（更稳健）：改用 `spawn` 方法并流式输出结果，避免将所有内容加载到内存中。","https:\u002F\u002Fgithub.com\u002Fzcaceres\u002Fmarkdownify-mcp\u002Fissues\u002F34",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},30714,"是否有可用的 Docker 容器版本？","是的，官方 Docker 镜像已发布。你可以直接从 Docker Hub 拉取使用：\n镜像地址：`mcp\u002Fmarkdownify`\n链接：https:\u002F\u002Fhub.docker.com\u002Fr\u002Fmcp\u002Fmarkdownify\n\n该镜像由 Docker 构建机器人自动重建，无需克隆代码即可使用。","https:\u002F\u002Fgithub.com\u002Fzcaceres\u002Fmarkdownify-mcp\u002Fissues\u002F13",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},30715,"如何在 Windows 上验证和支持该项目？","Windows 用户曾遇到两个主要问题：uv 路径展开和虚拟环境模块解析。这些问题已在 #76 中通过移除 uv 并直接从虚拟环境调用 markitdown 得到修复。\n\n目前仍欢迎 Windows 用户测试新设置。如果你在 Windows 11 上成功运行，特别是能够配合 LLM 使用输出文件路径参数进行管理，欢迎反馈。如果遇到与 uv 环境路径相关的问题，通常是因为全局 uv 环境找不到本地包，需检查配置或提交 PR 协助修复。","https:\u002F\u002Fgithub.com\u002Fzcaceres\u002Fmarkdownify-mcp\u002Fissues\u002F18",{"id":156,"question_zh":157,"answer_zh":158,"source_url":159},30716,"是否支持通过 npx 直接安装？","目前官方推荐使用 Docker 镜像作为免克隆的安装方式：\n`mcp\u002Fmarkdownify`\n\n关于 npm\u002Fnpx 发布的请求正在单独跟踪（见 Issue #26），尚未完全实现。如需无依赖部署，请优先使用 Docker 方案。","https:\u002F\u002Fgithub.com\u002Fzcaceres\u002Fmarkdownify-mcp\u002Fissues\u002F31",{"id":161,"question_zh":162,"answer_zh":163,"source_url":164},30717,"在 Windows 上配置 MCP 时出现 'Connection closed' 错误是什么原因？","这通常是由于 Windows 上的执行环境问题导致的。早期版本中，Windows 下的 uv 路径和虚拟环境解析存在缺陷。\n\n建议尝试以下步骤：\n1. 确保已更新到最新版本（#76 之后），该版本移除了对 uv 的依赖，直接调用虚拟环境。\n2. 检查 `preinstall` 脚本是否正确处理了 Windows 平台（可能需要手动调整以执行 `uv sync`）。\n3. 参考其他 Windows 用户的成功配置，确保环境变量（如 `UV_PROJECT` 和 `VIRTUAL_ENV`）正确设置。\n如果问题依旧，请提供详细日志以便进一步排查。","https:\u002F\u002Fgithub.com\u002Fzcaceres\u002Fmarkdownify-mcp\u002Fissues\u002F28",[166,171,176],{"id":167,"version":168,"summary_zh":169,"released_at":170},222575,"v1.0.3","## Bug修复\n\n- 修复上游 `markitdown` 在 v0.1.0 中将 PDF\u002FDOCX\u002FPPTX\u002FXLSX 转换器依赖项移至可选依赖后，这些依赖项缺失的问题。所有安装路径（`setup.sh`、`setup.bat`、`Dockerfile`、`pyproject.toml`）现在都使用 `markitdown[all]`。（感谢 @rubzo — #92）","2026-04-02T13:16:49",{"id":172,"version":173,"summary_zh":174,"released_at":175},222576,"v1.0.2","## 更改\n\n- 将 TypeScript 从 5.9.3 升级到 6.0.2\n- 添加缺失的 `test.pdf` 示例数据（修复了失败的测试）\n- 添加 `CLAUDE.md` 项目配置","2026-03-27T17:36:02",{"id":177,"version":178,"summary_zh":179,"released_at":180},222577,"v1.0.1","## 安全性\n\n- 将 `requests` 从 2.32.5 升级到 2.33.0 — 修复了 `extract_zipped_paths()` 中不安全的临时文件重复使用问题（中等严重性）","2026-03-27T17:16:39"]