ทาง Firecrawl ได้ปล่อย AnyDoc ออกมา พัฒนาด้วยภาษา Rust
เพื่อใช้ในการแปลงเอกสารในรูปแบบต่าง ๆ ออกมาในรูปแบบ Markdown
เป้าหมายหลัก ๆ เพื่อให้ข้อมูลเหมาะสมกับการใช้งานใน LLM นั่นเอง (AI-friendly)
โดยรองรับชนิดของเอกสารหลัก ๆ เช่น
- Microsoft word/powerpoint/excel
- OpenDocument
- RTF (Rich Text Format)
- EPUB
- CSV
- PDF ด้วย library pdf-inspector ซึ่งไม่สนับสนุน OCR
มาลองใช้งานกันดู
ในการใช้งานนั้น สามารถใช้ได้หลายรูปแบบ
- ผ่าน CLI
- ผ่าน code ในภาษาต่าง ๆ ทั้ง NodeJs, Python และ Rust
- ผ่าน browser
- ผ่าน Agent Skills ก็มีให้เลย $npx skills add firecrawl/anydoc
รวมทั้งมีการเปรียบเทียบกับ library/tool อื่น ๆ อีกด้วย
ทั้ง markitdown, docling, unstructured และ mammoth
จากที่ทดสองพบว่า
ไม่รองรับ OCR ในเอกสาร จะแสดง error แบบนี้
ส่วนภาษาไทยนั้น จะเจอปัญหาของ สระอำ ที่ไม่รองรับ
ลองใช้งานกันดูครับ
