anymd 四大核心工具解析：outline、read、search、inspect 参数详解与组合用法-平芜编程栈

人工智能
AI 应用
MCP 服务
RAG
OCR

【免费下载链接】anymd

Any file → clean Markdown for AI agents: PDF, Word, PowerPoint, Excel, EPUB, HTML and web pages, images (OCR), audio and video (metadata, subtitles, transcripts). A fast Rust MCP server and CLI that runs on your machine. No API key.

项目地址：https://gitcode.com/gh_mirrors/pdfr/anymd

点击查看免费下载

anymd 是一个用 Rust 编写的本地文件解析工具，能把 PDF、Word、PPT、Excel、EPUB、HTML 乃至图片、音视频快速转成干净的 Markdown，供 AI Agent 使用。它通过 4 个核心工具完成工作：outline（文档目录）、read（转 Markdown）、search（全文搜索）、inspect（PDF 深度操作）。本文详解这 4 个工具的参数与组合用法，全程无需 API Key。

30 秒认识 anymd：为什么是这四个工具？

AI 处理长文档时，最常见的痛点是"一次读完整个 PDF，上下文爆炸"。anymd 的解法是把"读文件"拆成四个可组合的动作，让 Agent（或你）先导航、再精读、后查证：

工具	一句话用途	必填参数	典型场景
`outline`	获取文档标题树，不用模型	`source`	先看目录，定位章节
`read`	文件 / URL / 目录 → Markdown	`source`	精读某一章节或页码
`search`	跨文件、跨目录、跨 URL 找文本	`query`	在几十份合同里找关键词
`inspect`	PDF 深度操作：渲染、OCR、结构、对比	`operation`、`sources`	渲染页图、核对引用位置

完整参数文档见 docs/guide/tools.md，CLI 用法见 docs/guide/cli.md。

outline：先读目录，再读正文（零模型消耗）

outline的价值在于便宜：它不花任何 token，就能告诉你文档"有哪些章节、各在哪些页"。

PDF：优先用书签（书签），没有书签则用排版引擎检测的标题
Word用标题，PPT用幻灯片，EPUB用 EPUB 3 目录（或 EPUB 2 NCX），HTML/Markdown用标题
没有标题的文档会返回按页/张切分的单元节点

参数一览：

参数	默认值	说明
`source`	必填	文件路径或 http(s) URL
`format`	`"json"`	`json`返回带节点 ID 的前序节点，`tree`返回缩进树
`ocr`	`false`	对纯扫描页启用本地 OCR（`auto`/`vlm`/`tesseract`）
`images`	`"none"`	是否处理内嵌图片引用
`revisions`	`"markup"`	Word 修订模式，与`read`保持一致

每个节点带id（如n1.2）、title、level、from/to（页码范围）、children。ID 是确定的：同一文档多次调用结果一致，方便你记住"上次看到 n1.2"。

命令行里同样好使：

anymd outline report.pdf # 缩进树，肉眼可读 anymd outline report.pdf --format json # JSON 节点，供程序使用

实现细节在 crates/anymd/src/outline.rs。

read：把任意文件变成干净的 Markdown

read是 anymd 的主力工具：一个参数source就能开工，接受文件路径、URL 或目录。

核心参数：

参数	默认值	说明
`source`	必填	文件、URL 或目录（目录返回可读文件列表）
`node`	–	读取`outline`给的章节 ID（含子章节），如`"n1.2"`
`pages`	全部	页码/张/表/章，如`"1-5,8"`
`max_tokens`	`20000`	预算用完即停，末尾给出 cursor
`cursor`	–	用上一次返回的游标续读
`ocr`	自动	扫描页与图片的本地 OCR
`revisions`	`"markup"`	Word 修订：`markup`标注 /`accept`/`reject`
`images`	`"refs"`	内嵌图片存缓存并在 Markdown 中占位
`transcript`	`false`	音视频用内置 Qwen3-ASR 转写

分页机制值得记住：文档超过max_tokens时，read会在页/张/章边界停下，并在末尾写一行"Continue with cursor"。把游标原样传回去即可续读，也可以改用pages只读需要的部分。

{ "source": "papers/attention.pdf" }

--- source: papers/attention.pdf title: Attention Is All You Need pages: 15 showing: pages 1-9 --- <!-- page 1 --> # Attention Is All You Need ...

一个实用的细节：对扫描页（没有文本层的页），read不会假装读到了空内容，而是明确告诉你"这是扫描件"，并提示运行anymd setup ocr启用本地 OCR——文档始终留在你机器上，不会偷偷下载模型。

anymd book.pdf --max-tokens 8000 # 读到预算为止，末尾给出 cursor: "42" anymd book.pdf --max-tokens 8000 --cursor 42 # 从第 42 页继续

search：在几十个文件里精准定位关键词

search一次最多搜 256 个来源（文件、目录、URL），目录会递归搜索并尊重.gitignore，每次命中一行，附带页码和上下文片段。

参数一览：

参数	默认值	说明
`query`	必填	要查找的文本
`sources`	当前目录	文件 / 目录 / URL，最多 256 个
`mode`	`auto`	`auto`先精确匹配、失败再按 BM25 排序段落；`literal`仅精确；`ranked`纯 BM25
`glob`	–	目录内按模式过滤，如`"*.pdf"`
`case_sensitive`/`whole_word`	`false`	区分大小写 / 整词匹配
`max_results`	`20`	最大命中数（1–500）
`context_chars`	`80`	每侧上下文长度（0–1000）

最妙的是auto模式：你甚至不用知道确切措辞。比如问"双向预训练是怎么工作的"，即使原文里一个字都不匹配，BM25 排序也能把正确页找出来。而且每条命中都带outline的节点 ID 和标题路径，可以直接接力read。

anymd search "indemnification" contracts/ --glob '*.pdf' anymd search "how is attention scaled" papers/ --mode ranked --max 5

inspect：PDF 深度操作的瑞士军刀

inspect返回 JSON，专门服务那些需要几何坐标、图片或差异而不是正文的场景。它靠operation切换 8 种操作：

operation	做什么
`inspect`	页数、元数据、每页事实
`render_page`	把指定页渲染成 PNG
`extract_regions`	从渲染页中裁出指定区域（bounding box）
`ocr_pages`	用本地 OCR 识别指定页
`analyze_regions`	把区域发给已配置的视觉服务
`structure`	结构化 JSON：文档地图、元素、几何、表格
`compare`	两份本地 PDF 的逐页文本 diff
`cite_check`	（Pro）核对某段引用是否真实出现在指定页和坐标内

关键参数：

参数	说明
`operation`	必填，上表之一
`sources`	必填，`{ path \\| url, pages?, regions? }`数组
`profile`	`structure`专用：`fast`（默认）/`quality`/`research`
`scale`	渲染缩放（0.25–4），用于`render_page`/`extract_regions`
`include_image`	是否在响应里带上渲染出的 PNG
`ocr`/`languages`	OCR 引擎与语言（如`["eng", "chi_tra"]`）

{ "operation": "render_page", "sources": [{ "path": "report.pdf", "pages": [3] }], "scale": 2 }

{ "operation": "structure", "sources": [{ "path": "report.pdf" }], "profile": "quality" }

{ "operation": "compare", "sources": [{ "path": "contract-v1.pdf" }, { "path": "contract-v2.pdf" }] }

其中compare对合同审查特别顺手：同一份合同两个版本，一条命令出逐页 diff。cite_check属于 anymd Pro（见 docs/guide/cite-check.md），可以无模型校验"这句话真的出现在第 3 页这个框里吗"，防止 Agent 编造引用。

组合用法：一套高效的"长文档工作流"

单独用每个工具都不难，组合起来才是 anymd 的设计初衷。以"从 15 页论文里提取某表并核对数据"为例：

导航：outline拿到章节树，发现"实验"在n1.4（第 7–9 页）
精读：{ "source": "paper.pdf", "node": "n1.4" }只读这一节，token 消耗只有全文的 1/5
查证：对拿不准的数字，用inspect+render_page渲染对应页，或structure拿表格的坐标化结构
兜底：如果连章节都没找到，search用ranked模式按语义把正确页捞出来，再用node接力精读

anymd outline report.pdf # 第 1 步：看目录 anymd report.pdf --node n1.2 # 第 2 步：只读一节 anymd report.pdf --node n1.2 --cursor 4:1200 # 节内继续

这套"目录 → 章节 → 搜索 → 取证"的链路，把 Agent 读长文档的成本从"全文进上下文"降到了"按需取片段"，这正是 anymd 主打token-lean的原因。更多组合样例可直接查看 examples/ 目录（如 examples/search-then-verify.json、examples/inspect-structure.json）。

常见问题速答

需要 API Key 或联网吗？不需要。四个工具全部本地运行，OCR 也是本地引擎（需一次性anymd setup ocr）。
MCP 和 CLI 是两套东西吗？不是，同一个二进制：anpx -y @sylphx/anymd既是 CLI 也是 MCP 服务器，工具名与参数完全一致。
搜索大小写敏感吗？默认不敏感，case_sensitive: true或-w（整词）可控制。
Word 修订怎么处理？read的revisions参数：默认markup保留标注，accept/reject直接给接受或拒绝后的文本。