用途：把本地文件、URL、原始 HTML 字符串或 YouTube 链接转换为干净的 Markdown，输出面向 LLM 流程，便于后续阅读、检索或喂给模型。转换引擎为 MarkItDown，URL 部分另加一层抓取。
主要能力：本地文件路径、YouTube URL、静态网页、JS 渲染或需登录页面、粘贴的 HTML 字符串均可处理；多栏排版合并为线性流，表格保留为 Markdown 表格，标题按字号字重推断。图片描述（PPTX 与图片）为可选项，默认不开启，需先征得用户同意再传入 llm_client。图片密集文档使用 claude-opus-4-7 时，长边支持至 2,576 像素，可保留更高分辨率源图。
使用方式：先确认依赖，命令为 uv pip show markitdown || uv pip install 'markitdown[all]' trafilatura；随后用 from markitdown import MarkItDown 创建 md = MarkItDown(enable_plugins=False)，再 result = md.convert("path/to/file.pdf")，读取 result.text_content。决策顺序：本地文件直接 markitdown；YouTube URL 直接 markitdown（内置字幕提取）；静态页面先 trafilatura 抓取再转换；JS 渲染或需认证页面用 Playwright 抓取再转换；HTML 字符串直接转换。URL 不要走 web_fetch 或 WebFetch，应走抓取层以保持流程一致。输出约定：单文件按需写 <input_stem>.md 到同目录或直接返回；批量逐文件写 <stem>.md 并汇总；管道场景只返回字符串。
适用场景：文档批量转 Markdown、网页正文提取、PDF 报告与表格整理、演示文稿与表格结构化、音视频字幕整理等。
限制：不绕过付费墙，遇到限制页只报告不重试；不内置 Turndown，高保真 HTML 转换需 Node 子进程；不支持定时或批量爬取，每次调用仅一次转换；输出仅 Markdown；YouTube 自动字幕可能对术语有误；扫描版 PDF 需外接 OCR（如 Azure Document Intelligence 或 Tesseract），否则输出接近空。加密 Office 文件无法处理。空输出不得静默返回，应报告。校准：每页至少 10 词，否则视为空提取；表格与标题层级应保留，多工作表 XLSX 应每表一节并标明缺失。