（11980期）zerox – AI 驱动的多格式文档转换器

AI 驱动的多格式文档转换器 基于 zerox 库与 GPT-4o，精准转换 PDF/Word/图片为 Markdown，支持 OCR 识别，实现高效文档数字化。 使用说明 Zerox 是一款基于 Node.js 的文档转换工具技能，核心功能是利用 GPT-4o 的视觉识别能力，将 PDF、Word、PPTX 及各类图片转换为结构化的 Markdown 文本。该技能提供了前台快速转换和后台异步处理两种模式，前者适合 30 秒内可完成的小文件，后者通过 convert-bg.mjs 脚本实现大文件或扫描 PDF 的后台处理，避免终端阻塞并支持 macOS 通知提醒。 该技能的显著优点在于其强大的 OCR 能力和广泛的格式兼容性。依托 zerox 库和 GPT-4o vision，即使是扫描版 PDF 或图片中的文字也能被准确提取，且能较好保留文档的版面结构和格式。后台处理模式对大型文档友好，通过日志监控和进程脱离设计，确保长时间转换任务的稳定性。输出为标准 Markdown，便于后续的内容编辑、知识库构建或 AI 训练数据处理。 然而，该技能也存在一定局限性。首先，转换过程依赖外部 OpenAI 兼容 API（通过 API易中转），需要稳定的网络连接和 API 费用支出，且文件内容需上传至第三方服务器处理，存在隐私泄露风险。其次，作为 T3 来源（个人/社区维护）的代码型资产，虽代码本身规范，但长期维护和支持存在不确定性。此外，输入路径验证不够严格，存在潜在的路径遍历风险，尽管目前未构成实际漏洞。 该技能适合需要批量处理文档数字化的内容创作者、学术研究人员、开发者以及办公自动化场景。尤其适合处理扫描版论文、合同、书籍等需要 OCR 识别的场景，或需要将 legacy 文档转换为现代 Markdown 格式进行知识管理的用户。 使用风险主要包括：API 密钥管理不当可能导致密钥泄露；敏感文件上传至远程 API 存在数据隐私风险；缺少严格路径验证可能带来的文件系统安全风险；以及大文件转换可能产生较高的 API 调用费用。建议仅在处理非敏感文档时使用，并妥善保管 API Key。 原始说明 Convert PDFs, DOCX, PPTX, and images to Markdown using zerox with GPT-4o vision, including OCR for scanned documents.