本機文件轉檔 doc2md

以前收到一份 PDF，我會直接丟給 AI 看。後來發現這樣很浪費：一份 2 頁、700 KB 的 PDF，真正的文字只有 3,500 字左右，其他都是排版和圖片。現在我先在 Mac 上用這個工具把文字抽出來，再交給 AI。

專案背景

把整份檔案上傳給 AI 有兩個問題。第一是貴：圖片和排版也算錢。第二是隱私：有些文件我不想讓它離開自己的電腦。

Mac 本身其實就有很好的文字辨識和文件處理能力，只是平常用不到。我想把它們包成一個指令，什麼檔案丟進去都能出乾淨的文字。

核心設計

1. 預設忠實抽取。 只抽原文、清一下多餘的空白，不新增、不改寫。這是最常用、也最省錢的模式。
2. 掃描檔自動辨識。 PDF 每頁的文字少到不正常，就判定是掃描檔，自動改成逐頁文字辨識。
3. 要整理才動用 AI。 加一個參數，才會請本機的語言模型把文字整理成有標題、清單、表格的格式。
4. 退路一層一層。 整理用的模型跑不動就退到比較小的模型，再不行就給原文，不會兩手空空。

技術架構

• PDF：Apple 的 PDFKit 讀文字層
• Word、RTF、網頁：macOS 內建的 textutil 轉換
• 掃描檔、圖片：Apple Vision 文字辨識，支援繁中、英文、日文
• 整理成 Markdown：本機跑的開源語言模型（筆電上用 Qwen3-30B，舊機器退回 Apple 內建模型）
• 全部在本機執行，不連網、不收費

工程挑戰

• 小模型會偷改內容。 實測時，一個小模型把文件標題改成了意思差很多的說法。光靠提示詞叫它「不要改」沒用，所以加了程式層的檢查：比對數字和字頻，發現被改過，那一段就退回原文，並跳出警告。
• Apple 內建模型的中文上限比想像中低。 官方說上限 4,096 個 token，實測中文不到 3,800 字就爆了，所以門檻保守設在 2,800 字，長文直接交給大模型。
• 多欄排版的 PDF 順序會亂。 這種檔案改用視覺辨識，照畫面上的順序讀，反而比較準。

功能亮點

• PDF、Word、掃描檔、圖片一個指令搞定
• 全本機、不上傳、不收費
• 預設 100% 忠於原文，要整理才動用 AI
• 有防竄改檢查，AI 改了內容會被抓出來