把一堆 PDF、Word 变成一份报告：国内模型也能干
前面你已经会安装Claude code、也学会了如何有效跟Claude Code对话了。今天我们开始让Claude Code执行一些对话以外的工作。
第一个场景，让我们选择了最多人有共鸣的——资料整理。
你电脑里是不是有一些想看却一直没时间看的资料，比如：
- 一堆行业报告 PDF
- 会议纪要、合同 Word、Excel 报表
- 几十篇参考文献
现在有了Claude Code，你可以把这些资料喂给 Claude Code，让它替你读、替你提炼。
以下教程重点照顾用 DeepSeek、智谱 GLM 等国产模型的你。因为这里有个大坑，不讲清楚你会一头雾水。
一、先说个反直觉的真相
国产模型不能直接读取 PDF 和图片文件
你可能以为：把 PDF 拖进去，AI 直接"看"一眼就读懂了。
用 Claude 原版模型确实可以。但用国产模型（DeepSeek / 智谱 GLM），不行。
为什么？因为国产模型接入 Claude Code 走的是"Anthropic 兼容接口"，而这个接口——
-
DeepSeek 官方明确写了：不支持图片、不支持 PDF 文档
[^1]
-
智谱 GLM-4.6（最常用的那个）是纯文本模型
，也吃不了 PDF[^2]
那国产模型用户就没法整理资料了吗？ 当然不是。有个万能解法，而且更稳。当然，并不是说一定需要走以下步骤，我在最新版本的Claude Code里已经试过，不用安装，它已经聪明到自己写脚本或者自动去下载三方工具来对PDF提取内容了。以下步骤供大家参考。
二、万能第一步：把资料变成"纯文本"
用 markitdown 把办公文件转成 Markdown
所有 AI 模型——不管 Claude 还是 DeepSeek、GLM——读纯文字都没问题。问题只出在"直接看 PDF/Word 这种特殊格式"上。
所以思路很简单：先把 PDF、Word、Excel 统统转成纯文本（Markdown），再交给 AI。 转换是在你电脑本地做的，完全不需要模型有什么多模态能力，DeepSeek、GLM 都照样顺畅。
转换神器叫 markitdown（微软开源的免费工具）[^4]，专门干这个。
好消息是——你不用自己学怎么用它，让 Claude Code 替你装、替你转。
进到你的资料文件夹，启动 claude，直接说：
这个文件夹里有一堆 PDF 和 Word 文件。请先帮我装好 markitdown 工具，然后把所有这些文件转成 Markdown 纯文本，转好的文本放到一个 converted 子文件夹里。
它会自己跑 pip install ‘markitdown[all]’（[all] 很关键，带上才能转 PDF/Word/Excel 全套格式），再一个个转换。转完，converted 文件夹里就是一堆 AI 能轻松读的 .md 文件了。
如果它转某个格式时报"缺依赖"，提醒它"用 pip install ‘markitdown[all]’ 装全套"即可。
💡 markitdown 能转：PDF（文字版）、Word、Excel、PPT、HTML、CSV——常见办公格式基本全包[^4]。
三、第二步：让它综合成报告
让 AI 综合 Markdown 文件生成报告
文本就位，开始派活。直接说人话：
读 converted 文件夹里所有的 .md 文件，帮我：1. 提炼每份的核心观点2. 找出它们的共识和分歧3. 汇总成一份报告，存成 报告.md
这一步读的是纯文本，DeepSeek、GLM 完全胜任。
你出去倒杯水的工夫，报告.md 就静静躺在文件夹里了。
💡 关键心法：任务越具体，结果越好。"总结一下"太空泛；“提炼核心观点 + 找共识分歧 + 存成报告”——它就知道该交付什么。
🎁 偷懒版：其实你也可以把第二、第三步合成一句话——“把这个文件夹里的 PDF 和 Word 整理成一份综合报告”——它会自己想到"要先转文本再读"。但分步说更可控，新手建议先分步。
四、先让它列清单，你再决定
先列资料清单再选择重点处理
如果资料很多、很杂，别一上来就让它全做完。先让它列个清单给你看（转成文本之后）：
converted 文件夹里每个文件大概讲什么？用一句话告诉我。
它会给你一张"资料地图"：
1. 2025行业白皮书.md —— 讲市场规模和增长预测2. 竞品分析.md —— 对比了 5 家主要厂商 3. 会议纪要0512.md —— 上次战略会的决议...
看完这张图，你再挑重点：
重点把第 1、2 份的数据提炼出来，做成一张对比表。
这种"先勘探、再下手"的方式，比一股脑全扔给它更可控。
五、几个让结果更靠谱的小技巧
资料整理结果更可靠的四个检查点
1. 让它标出处。 加一句"每个结论后面注明来自哪份文件"，方便你回头核对。
2. 扫描版 PDF 要特殊处理。 如果你的 PDF 是拍照/扫描的图片（不是文字版），markitdown 转不出文字——这种得先用 OCR 工具（文字识别）转成文字。纯文字版 PDF 没这问题。
3. 一定要核对关键数据。 AI 提炼大体可靠，但涉及金额、日期、关键数字，自己回原文件核一遍。它是帮你省时间的助手，不是甩手不管的理由。
4. 让它存成文件。 加一句"存成 xxx.md"，结果就落地成文件，不会聊完就没。
六、隐私：我的资料会被上传吗？
本地转换和模型处理的隐私边界
很多人最担心这个——“我把合同、报告喂进去，会不会泄露？”
说清楚：
-
转文本（markitdown）是在你电脑本地做的
，这一步不联网、不上传。
-
但 AI 理解内容时，相关文字会发给模型处理（这是所有 AI 工具的共性）。
所以：
-
一般工作资料、公开报告、学习材料 → 放心用
-
高度敏感
的（身份证、银行流水、未公开核心机密）→ 自己掂量
想最稳妥？用本地模型，数据完全不离开你的电脑。退一步，用 DeepSeek/GLM 等国产后端，数据至少不发往国外。
七、练手任务
资料整理练手任务四步流程
找一个你真实存着没空看的资料堆，今天就处理掉：
- 建个文件夹，把 PDF / Word 拖进去
- cd 进去，claude 启动
- 让它"装 markitdown → 把文件转成 Markdown → 综合成报告"
- 回原文件核对关键数据
做完你会有种"积压清空"的爽感。
写在最后
先转纯文本再让 AI 整理的万能路线
资料整理是 Claude Code 最容易出效果的场景——因为读和提炼正是 AI 的强项，而这恰恰是最耗你时间的体力活。
国产模型用户记住这条万能路线：
先转纯文本（markitdown），再让 AI 整理。
绕开了"国产模型读不了 PDF/Word"的坑，DeepSeek、GLM 都能顺畅干活。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
7
0- 0
已为社区贡献219条内容
所有评论(0)