把 PDF 快速转换成 Markdown 的开源工具——这是 Marker 最主要的用途，也是本文讨论的前提。

下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。

对比一：模糊指令 vs 明确指令

改之前：直接说「帮我内部文档入库」。结果往往泛泛而谈、格式随意。

改之后：写清材料、格式和验收标准：

把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。

变化（示意）：输出结构稳定，可以直接按「切分后的段落能回溯到页码」检查。

对比二：一次做完 vs 分步完成

改之前：把「构建问答测试集」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。

根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。

对比三：不检查 vs 带检查点

改之前：拿到结果直接用。改之后：每次都对照「每张卡片都有来源」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。

以上对比均为示意，用来说明方法差异，不代表具体的效率数字。

更多可以试的用法

网页内容抓取

适用情况：手头有一组需要定期关注的网页时。

把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。

交付前确认：没有臆造发布日期。

带来源的快速调研

适用情况：手头有一个需要事实支撑的问题时。

请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。

验收标准：关键结论都有可点击来源。

检索效果对比

适用情况：手头有同一批问题和两种检索配置时。

用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。

验收标准：对比用同一批问题。

常见问题：表格内容检索不到

换用能保留表格结构的解析工具，或单独把表格转成文本描述。

常见问题：搜索结果过时

限定时间范围，或在提问中注明需要最新信息并核对发布日期。

常见问题：中文检索效果差

选择对中文支持好的嵌入模型，并为专有名词建立同义词。

概念补充：切分（Chunking）

把长文档拆成适合检索的小段，大小影响效果。

概念补充：引用溯源

回答附带原文出处，便于核对。

适合人群：数据分析师

数据分析师可以用 Marker 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

适合人群：客服人员

客服人员可以用 Marker 处理回复草稿、工单分类等工作。需要注意：不得以 AI 名义做出政策外承诺，涉及隐私的问题按流程处理。

使用提醒

文中提示词和示例仅作示意，实际效果取决于你的材料和 Marker 当前版本，重要内容请人工核对后再使用。

涉及个人信息、商业机密或受监管数据时，先确认 Marker 的数据处理条款，再决定能否使用。

延伸阅读