PDF与Markdown喂AI的效率差异与最佳实践 · AI HOT
AYi@AYi_AInotes62
2026-05-24 21:11·39天前
AI 摘要作者发现直接使用PDF文档喂给AI存在严重问题。AI处理PDF时并非进行“阅读”，而是在执行字符坐标识别、结构猜测等复杂任务，这不仅消耗更多Token，还容易导致数据错乱（如数字位置被调换）。相比之下，Markdown具有清晰的结构化标记，能直接被模型高效理解。经过咨询Claude和Grok，确认在大量RAG工程实践中，将PDF转换为Markdown再输入是标准流程。因此，建议对技术文档等非视觉主导内容，优先以Markdown格式创建，现有PDF可借助markitdown、LlamaParse等工具进行转换。
AYi@AYi_AInotes · X 2026-05-24 21:11·39天前
在 X 看原推· x.comAI 摘要作者发现直接使用PDF文档喂给AI存在严重问题。AI处理PDF时并非进行“阅读”，而是在执行字符坐标识别、结构猜测等复杂任务，这不仅消耗更多Token，还容易导致数据错乱（如数字位置被调换）。相比之下，Markdown具有清晰的结构化标记，能直接被模型高效理解。经过咨询Claude和Grok，确认在大量RAG工程实践中，将PDF转换为Markdown再输入是标准流程。因此，建议对技术文档等非视觉主导内容，优先以Markdown格式创建，现有PDF可借助markitdown、LlamaParse等工具进行转换。
这事最反直觉的地方在于，AI 读 PDF 的时候它真不是在"读"。
它在做一件很笨的活--识别每个字符在页面上的坐标，判断这一行和上一行是不是同一个段落，猜测这个表格的行列结构，还得把页眉页脚那些每页都重复出现的公司 logo 文字排除掉。
而 Markdown 呢，标题就是 #，列表就是 -，加粗就是星号星号，结构是直接写在文本里的，AI 一眼就能看明白。
这就是为什么同一份文档，PDF 版本消耗的 Token 通常会比 Markdown 多出一截。
Token 是啥，你可以这么理解，AI 看东西、想东西、回答你，每一步都按字数收费，Token 就是它的算钱单位，你扔给它的格式越乱，它需要先"理顺"再"理解"，钱就花在理顺上了。
第一，文档里有大量图表、设计稿、流程图，你希望 AI 直接看图说话，这时候 PDF 的多模态优势就出来了。
第二，需要严格保留原始版式和法律效力，比如合同、正式报告、盖章文件，别折腾，原样喂。
第三，你既要 AI 读懂文字、又要它理解视觉排版，比如分析一份产品宣传册的设计逻辑。
但说实话，我们日常喂给 AI 的，90% 都不是这些。
技术文档、学习笔记、论文、产品手册、内部知识库、周报月报，这些东西的最佳归宿，全是 Markdown。
Obsidian、Typora、VS Code、Notion 导出，工具一抓一大把，从源头上不给 AI 添麻烦。
微软的 markitdown、老牌的 pandoc、专门给 LLM 优化的 LlamaParse，一键转完再喂，差距肉眼可见。
PDF 留着打印、签字、给人看，Markdown 专门拿来喂 AI、建知识库、做搜索。
说出来就是这么三条破规矩，但真改完之后，我自己的 AI 使用体验，肉眼可见地变好了。
最直接的反馈，就是上周我再读那份产品调研报告，先用 markitdown 转成 MD 再喂，那两个被换位的数字这次乖乖出现在了正确的位置。
AI 真正的能力上限，从来不取决于模型，取决于你喂给它什么。
这句话我在很多地方都看到过，但这次是自己踩了三年坑才真正记住的。
也是因为这次踩坑，我决定开一个新系列叫「喂 AI 的艺术」，今天这篇是第一集聊文档格式，后面还有 8 期，会继续挖那些容易被忽略、但一搞对就事半功倍的细节。
你可以这么理解，用 AI 这件事就像养一盆植物，模型是种子，提示词是阳光，但你喂给它的格式，是土壤。种子再好，土壤板结，它也长不出你想要的样子。
那一刻我以为是模型抽风，直到昨天才反应过来，是我一直在用错的方式喂它。
事情是这样，最近好几个粉丝私信我同一个问题，为什么 AI 读他们的 PDF 总是出错，是模型不够新吗，要不要升级到 Pro。
我本来想糊弄过去，让他们换个 Claude 试试。
那种感觉你应该熟悉，你花二十分钟把一份几十页的产品文档传上去，让 AI 总结核心要点，它给你一段看起来很正经的回答，你一开始还挺满意，结果回头核对原文，发现关键的那个数据，它写错了。
我跑去问 Grok 和 Claude，问的就一个问题，PDF 和 Markdown 到底哪个更适合喂给你？
更让我没想到的是 Claude 接着说的一句话--
大量 RAG 工程实践的标准流程，是先把 PDF 转成 Markdown 再喂给模型。
啥意思呢，就是真正做 AI 应用的那帮专业团队，他们自己都不直接用 PDF 喂模型，他们先转一道，转成 MD 再说。
这不是因为他们闲，是因为剥开来看，PDF 在 AI 眼里本来就不是一份"文档"，它是一张图加一堆坐标加一些字符，AI 得先把这堆东西重新拼回成"句子"才能开始读。
打个比方，Markdown 就像别人直接把演讲稿递到你手里，每一个字都清清楚楚，PDF 呢，就像让一个同声传译先听一遍演讲、再凭记忆复述给你，他业务再熟练，也总会漏掉点什么。
我之前那个 38% 和 19% 被换位的故事，本质就是 AI 在"复述"的时候记混了数字。
二、AI 读 PDF 的时候，干的根本不是"读"这件事
这事最反直觉的地方在于，AI 读 PDF 的时候它真不是在"读"。
它在做一件很笨的活--识别每个字符在页面上的坐标，判断这一行和上一行是不是同一个段落，猜测这个表格的行列结构，还得把页眉页脚那些每页都重复出现的公司 logo 文字排除掉。
而 Markdown 呢，标题就是 #，列表就是 -，加粗就是星号星号，结构是直接写在文本里的，AI 一眼就能看明白。
这就是为什么同一份文档，PDF 版本消耗的 Token 通常会比 Markdown 多出一截。
Token 是啥，你可以这么理解，AI 看东西、想东西、回答你，每一步都按字数收费，Token 就是它的算钱单位，你扔给它的格式越乱，它需要先"理顺"再"理解"，钱就花在理顺上了。
第一，文档里有大量图表、设计稿、流程图，你希望 AI 直接看图说话，这时候 PDF 的多模态优势就出来了。
第二，需要严格保留原始版式和法律效力，比如合同、正式报告、盖章文件，别折腾，原样喂。
第三，你既要 AI 读懂文字、又要它理解视觉排版，比如分析一份产品宣传册的设计逻辑。
但说实话，我们日常喂给 AI 的，90% 都不是这些。
技术文档、学习笔记、论文、产品手册、内部知识库、周报月报，这些东西的最佳归宿，全是 Markdown。
Obsidian、Typora、VS Code、Notion 导出，工具一抓一大把，从源头上不给 AI 添麻烦。
微软的 markitdown、老牌的 pandoc、专门给 LLM 优化的 LlamaParse，一键转完再喂，差距肉眼可见。
PDF 留着打印、签字、给人看，Markdown 专门拿来喂 AI、建知识库、做搜索。
说出来就是这么三条破规矩，但真改完之后，我自己的 AI 使用体验，肉眼可见地变好了。
最直接的反馈，就是上周我再读那份产品调研报告，先用 markitdown 转成 MD 再喂，那两个被换位的数字这次乖乖出现在了正确的位置。
AI 真正的能力上限，从来不取决于模型，取决于你喂给它什么。
这句话我在很多地方都看到过，但这次是自己踩了三年坑才真正记住的。
也是因为这次踩坑，我决定开一个新系列叫「喂 AI 的艺术」，今天这篇是第一集聊文档格式，后面还有 8 期，会继续挖那些容易被忽略、但一搞对就事半功倍的细节。
你可以这么理解，用 AI 这件事就像养一盆植物，模型是种子，提示词是阳光，但你喂给它的格式，是土壤。种子再好，土壤板结，它也长不出你想要的样子。