MarkItDown Ingest — Office/HTML → Markdown (توفير tokens)
أداة Microsoft الرسمية (markitdown) لتحويل ملفات Office/HTML/CSV/JSON/EPUB → Markdown نظيف قبل إرسالها للنموذج → توفير tokens ~40-70% + إجابات أدق (Markdown هو الـformat الأصلي للنماذج).
🔴 الخط الأحمر (مُثبَت بالاختبار الحيّ)
- ❌ PDF عربي (RTL) يخرج معكوساً (
سرامبدلمارس) — markitdown/pdfminer بلا bidi. الحارس_is_arabic_pdfيرفضه تلقائياً ويوجّهه لـ document-ai/mineru (OCR بترتيب قراءة صحيح). - صفر تداخل مع ترسانة OCR: هذا تحويل خفيف سريع، ليس OCR ثقيل/مسح ضوئي.
الأدوات
python3 skills/markitdown-ingest/markitdown_ingest.py selftest
python3 skills/markitdown-ingest/markitdown_ingest.py convert <file> [--force]
python3 skills/markitdown-ingest/markitdown_ingest.py should-use <file> # router
التشغيل عبر envkit: bash envkit/pyrun.sh --for markitdown skills/markitdown-ingest/markitdown_ingest.py convert <file>التوجيه الذكي (router)
- Office/HTML/CSV/JSON/EPUB/TXT → markitdown (خفيف، توفير tokens).
- PDF لاتيني نصّي → markitdown · PDF عربي/ممسوح → document-ai/mineru.
- صور → document-ai/mineru/mathpix (OCR ثقيل).