铃阅
❌

阅读视图

AnyDoc 开源文档转换工具:一键将 Word、PD

效率火箭 2026-11-15 15:36 上海

刚把散在硬盘里的老资料翻出来,才发现格式真是个大坑。

Word、Excel、PPT、PDF 全混在一起。想搜个东西得挨个打开,想让 AI 处理又嫌慢。Firecrawl 出了个开源工具叫 AnyDoc,能把它们一键转成 Markdown。标题、列表、表格都能保住,正好塞进 Obsidian 统一检索。

最容易上手的是浏览器版。它用 WebAssembly 跑在本地,文件根本不用上传。偶尔转几份直接拖进去就行。不过要注意,复杂排版保不住,动画和公式还得看原件。

要是批量处理,就用命令行。装好之后一秒内就能搞定一个 Office 文档。30 MB 的 PDF 也就一两秒。但扫描版 PDF 它搞不定,得外接 OCR,一用云端服务就泄密了。

说白了,它就是个快速提取文字的副本机。想保留完美排版,还是得回头找原件。

跳转微信打开

  •  

AnyDoc 开源文档转换工具:一键将 Word、PDF、PPT 本地转换为 Markdown,无缝接入 Obsidian 与 AI 工作流

原创 火箭君 CC 2026-11-15 15:30 上海

如果平时喜欢用 Obsidian 或者各类 Markdown 文件来保存自己资料的小伙伴,大概都会遇到一个问题:自己的笔记可以尽量使用 Markdown 来保存,但别人发来的东西,就由不得自己了,格式会千奇百怪了,而且很多历史遗留下来的归档文件也是各种格式。

比方说,Word 文档、 Excel 表格、几十页的 PPT,最常见的可能还是 PDF 文件。倒不是说不能打开它们,但是想把内容放进同一个笔记库,用来进行搜索、引用、修改,或者让 AI 来处理,就需要折腾一轮格式。而且即使 AI 能直接读取这些格式,效率也会大打折扣。

而这其中大多数都只是有结构性的文字材料而已,Markdown 完全可以胜任替换。

现在,Firecrawl 出了一款开源的AnyDoc,带来了一个实用的文档转换功能:把 Word、Excel、PowerPoint、EPUB、PDF 等文档转换成 Markdown,方便后续处理。

对我个人来说,那些散落在文件夹里、只能偶尔打开看看的文档资料,有机会重新进入我们日常使用的工作流和笔记库中了。这对于 AI 搜索笔记也是极大的方便。

AnyDoc 支持哪些文件转换为 Markdown

AnyDoc 以 Rust 编写,采用 MIT 许可证,提供了浏览器、命令行以及不同编程语言的入口。

它的输入格式也相当实用。如果平时保存的资料当中有很多来自「上古时代」的遗产数据,这就用得上了。它支持的文件格式包括:

  • 现代 Office 文档:常见的 .docx、.xlsx、.pptx

  • 老式 Office 文档:传统的 .doc、.xls、.ppt

  • 其他常见文档与电子书格式:OpenDocument、RTF、EPUB、CSV 和 PDF

我们知道,Markdown 并不能完全映射 Office 文档,所以转换结果中,虽然标题还是标题,列表还是列表,表格也能尽量保持行列关系,但也仅限于基本内容的准确性,肯定不能保证所有格式,尤其是一些 Office 专有功能的完整展现。什么 PPT 的动画、Excel 的交互计算、Word 的精细版式,仍然需要打开原来的文件才能展现。

不过这也足够了,我的主要目的也只是对基本内容进行文本转换,变成可检索的格式而已。也正因如此,我会把转换结果当成一份方便阅读和加工的副本,而原件则继续保留。

这对于批量整理尤其有用。假如每一种文件都用不同工具转换,最后得到的标题、表格、链接写法也可能各有习惯。等到资料汇总时,还得再做数据清洗。AnyDoc 的统一转换输出至少就能减少这一层麻烦。

最容易上手的方式:浏览器里的本地转换

AnyDoc文档转换工具网页界面,支持将Word、PowerPoint、Excel和PDF转换为Markdown,并提供文件拖放上传区域。

是不是听起来很矛盾?又是浏览器,又是本地。

但实际上,有很多产品已经采用了这种「看似矛盾」的方式,浏览器只是下载了一段代码而已,真正运行的数据还是在你本地存储。具体来说,它使用了 WebAssembly,把格式转换程序放到浏览器的「虚拟机」中运行。

对于偶尔转换几份资料,可以先打开 AnyDoc 官网。网页加载转换组件后,就可以选择文件,查看结果,再复制内容或下载 .md 文件。页面还提供 RTF 和 CSV 示例,手边即使没有文档也能先可立刻看下输出的效果。

对于只临时想把一份 Word 转成 Markdown、放进笔记库的人,这个入口已经足够方便了。

PDF 转 Markdown,有潜在的麻烦

大多数 PDF 其实就像是一个标准的普通文档,转换也不费什么劲。但是,有些 PDF 文档其中夹杂的是扫描图像,但看起来像是普通的文字文档;还有一些文档中复合了一些复杂的表格或公式之类的内容,或者嵌入了一些其他格式的媒体。

一般对于嵌入扫描文字图片的 PDF,有专门的 OCR 转换工具来处理。AnyDoc 目前可以在本地轻松处理有可用文字层的 PDF。对于需要 OCR 的页面,本地转换器本身不提供 OCR,需要外接 OCR 插件才能执行。AnyDoc 接口提供可选的托管 OCR 服务。

提示文件转换失败:第1-2、7、28、60、72、81、104、141、168、182、194、202、216、230、241、247、301、322、324、334、353、384、438、450、467、550、602、607、635、640、658、670页(共696页)需要OCR。

需要注意的是,一旦使用外部 OCR 服务,文档就会上传到远程的服务器,从而脱离你的本地处理。

让 AI Agent 和 CLI 用 AnyDoc 读取 Word 和 PPT

AnyDoc 提供了一个 Agent Skill。它的作用,是告诉 AI 客户端,在需要读取办公文档时怎样调用转换工具。官方给出的安装入口是:

npx skills add firecrawl/anydoc

这个 Skill 最终使用的是 AnyDoc 命令行;如果你本来就愿意使用命令行,也可以直接用命令转换:

npx @firecrawl/anydoc report.docx -o report.md

npx @firecrawl/anydoc slides.pptx -o slides.md

第一次运行需要下载相应程序包,准备好依赖后,普通文档的转换在本地完成。

这种命令接口的好处,完全符合我一直提倡的「工具链」思路,转换工具只负责转换,也可以嵌入工作流,和其它环节组合,完成某个工作任务。

比如,可以给 AI 一个具体任务,读取这些转换后的资料,找出几份不同来源或格式方案之间的共同要求,把分歧单独列出,并标明来自哪份文件。其中,前置环节由 AnyDoc 解析文件,转换成 Markdown,然后,AI 进行分析和比较,并将其中不同之处用 Markdown 输出。

最后:AnyDoc 本地转换体验与评测

AnyDoc 把很多原本停留在附件或者是归档文件夹里的内容,变成了可以继续使用的文本。

我这里已经做了一些转换,由于是本地处理,速度还是很快的:

  • 处理速度极快:一般的 Office 文档几乎在一秒内完成。30 MB 的 PDF 也就用了 1~2 秒左右。

  • PDF 扫描件需注意:当然 PDF 有多种问题,前面也说过了。尤其是其中嵌入含有需要 OCR 的图片、扫描件时尤其要注意。

  • 表格排版受限:还有就是表格的排版,受限于 Markdown 本身限制,也不能期待太高。

  • 电子书耗时略长:如果是一本书(EPUB)的转换,速度明显慢于 PDF(同等大小要慢几倍),有时要好几秒,另外还要注意一些书籍排版格式(页脚之类的格式)。

总的来说,AnyDoc 是一款轻量快速的 Markdown 文字转换工具,特别适合将历史材料转换后加入笔记库,供检索或 AI 处理。如果想要注重阅读体验,那还是要依赖于原文档格式,大家各取所需吧。

AnyDoc 官网地址

https://firecrawl.github.io/anydoc

跳转微信打开

  •  

tldraw Offline:免费离线无限画布,让 AI

效率火箭 2026-11-08 15:49 上海

刚试了 tldraw 新出的离线桌面版,它把白板直接塞进了本地文件夹。

画布、图片、脚本全保存在一个 .tldraw 文件里。写博客时,草稿和资料能放进同一个主题文件夹,归档备份都按自己的习惯来。不过它不支持多设备协作,放进同步文件夹得小心版本冲突。

最让我上头的是 AI 接入。它不绑定云端账号,用 Claude Code 这类自己的 Agent 就行。装个 Skill,AI 就能直接看画布、改图形。比如让它画张 HTTPS 请求图,等一会儿就出来了。人挪节点,AI 接着改,来回配合挺顺。

更绝的是脚本。卡片拖到“完成”栏自动变绿,还能接本地 CSV 做数据可视化。不会写?让 AI 补一段 TS 代码就行。

但有个坑:来源不明的脚本别瞎执行,搞不好就是 Office 宏病毒的翻版。

普通用户先把它当思考草稿纸;爱折腾的,完全能捏成自己的生产力小工具。

跳转微信打开

  •  

tldraw Offline:免费离线无限画布,让 AI 直接在你的本地白板上工作并实现动态交互!

原创 火箭君 CC 2026-11-08 15:30 上海

市面上成熟的画布工具、可视化笔记已经有很多。除了我们以前介绍的各种在线画板工具以外,现在我把眼光放在了本地应用上。像 Obsidian Canvas、Excalidraw 本地插件……这些本地工具除了可以让我们用户实际控制数据,另一方面,也让我们可以产生更多的扩充应用和 AI 嵌入的可能。

今天介绍的tldraw Offline,就是 tldraw 官方推出的免费桌面白板,支持 Windows、macOS 和 Linux,画布以本地文件保存,也允许 AI Agent 直接参与编辑。

更神奇的是,tldraw 支持脚本,可以生成动态交互,这是很多传统画板无法企及的地方。

关于 tldraw

如果经常接触在线白板、无限画布或者 AI 画图,应该多少见过 tldraw 这个名字。

它最初是 2021 年启动的开源业余项目,后来逐渐发展为一家围绕无限画布技术提供产品的公司。

我个人相信,tldraw 这个名字来自于 TL;DR (Too Long Don’t Read),即论坛上大家表达 post 太长了,不想读。这也挺符合画布要表达的「一图胜千言」意境。

除了我们可以直接打开的白板,tldraw 也把画布能力提供给其他软件,供他们嵌入到各自应用里,也就是 SDK。ClickUp Whiteboards、Padlet Sandbox 等产品,就使用了它的技术。

白色界面上的图形编辑工具栏,包含选择、手形、形状、箭头和文字等图标

写文章之前整理论点,设计产品时画几个页面,解释一个系统怎样运行,这些都很适合先放到画布上。有时东西画出来后,观点、结构、关系就很容易看出来了。

tldraw 最早只是开源画布,现在其实衍生出了三类产品,挺有意思的:

  • tldraw 在线版,浏览器中运行,使用网页版,和其它在线画布 App 类似。

  • tldraw SDK,给其它 App 提供嵌入画布。

  • tldraw Offline,离线运行,本地优先,桌面版。

在线版在 tldraw.com。不登录也可以开始画,内容保存在当前浏览器的本地存储中;登录后,可以使用云端文件、跨设备访问和链接分享。

虽然 tldraw 早期是开源应用,现在也有很多免费使用的许可场景,但是仍然有需要商业授权的一些地方,需要留意,尤其是 SDK。

Offline 版 tldraw 核心亮点

白板终于可以放进自己的项目文件夹

这是每个「本地优先」支持者可以欢呼的事情。虽说 Obsidian Canvas 也是本地存储,但是实际使用过就会发现,tldraw 功能更全面,而且支持 AI 接入和互动脚本,Obsidian Canvas 完全没有可比性。Obsidian 的 Canvas 只适合轻量配合 Vault 笔记使用,更像是一个附赠品。

tldraw Offline 的原生格式是 .tldraw。画布、页面、存入文档的媒体和文档脚本,都可以放在一个文件里。旧的 .tldr 文件也能导入和导出,但如果要使用 Offline 的完整文档能力,优先使用它自己的原生格式。

比如准备一篇博客,我们可以把参考材料、正文和白板放在同一个主题文件夹里。以后归档这个主题,白板就跟着走了。想怎样命名、放在哪个文件夹、什么时候备份,都能沿用自己的习惯。

当然如果把白板放进同步文件夹,要注意版本冲突,tldraw Offline 不是一个多设备协作的工具,更像是一个除了 Word、Excel 以外的另一个离线版 Office 应用。

白色画布上绘制了黑色圆角矩形,右侧显示颜色、线条样式和粗细设置面板,并打开了右键菜单。

AI Agent 可以直接操作正在打开的画布

我之前介绍 Excalidraw MCP 时,也提到过 AI 接入,代替我们生成图形和排布。tldraw Offline 也在解决这个问题。

tldraw 采用的是 Bring Your Own AI 的思路。我们使用自己的 Agent,例如 Claude Code、Codex 或 OpenCode,让 Agent 查看画布、创建图形、修改内容,也可以编写脚本。白板本身不要求先注册一个云端账户。这也是一个很好的「工具链」思路,不要把什么都绑定在一起。

启动软件时,会提示安装 Skill。安装 Skill 后,大家就可以在自己的 AI 客户端里直接下达绘制的要求了。

现在,我们和 AI 可以围绕同一张可编辑的画布来回工作。让 AI 先整理结构,自己移动一下节点,觉得某一段不清楚,再让它继续修改。

例如,可以从这样一个具体要求开始:

画一个简单的 HTTPS 响应示意图

稍等片刻,我们就能得到。

HTTPS分层请求与响应时序图,展示浏览器、客户端TLS、服务器TLS和应用之间的TLS握手、加密请求、HTTP响应及网络故障流程

脚本可以跟着文件一起保存

这一点,是我觉得 tldraw Offline 最值得留意的特色。

脚本就是一段代码,可以控制画面元素动作和用户交互。

举个例子,一张任务看板,本来只是三个栏目和一些卡片。加入脚本后,卡片拖到「完成」一栏,就可以自动变绿。再往前一步,还可以按自己的需要增加统计、筛选或者其他行为。这就变成一个简单的应用了!

tldraw 还可以制作基于本地数据的可视化界面。官方已经展示过这类脚本看板,比如基于本地 CSV 的地震数据可视化画板。

这就给了 Power User 很大的折腾空间。原来我们等软件作者加一个功能,现在可以先考虑:能不能让 AI 给这份文件补上需要的行为?

大家肯定会觉得,写代码好难,怎么办?其实这些都可以交给 AI 了。结合上文说的 AI Skill,直接要求 tldraw Offline 用脚本达到某个效果或交互即可。其实我也不知道怎么写脚本,好像是 TS 代码,但 AI 搞定一切,实测下来是很方便的。

地震数据可视化仪表板,展示全球地震分布、震级统计、活跃地区和季度事件趋势。

非常值得注意的是,我要说,自己玩玩可以,如果来源不明的 tldraw 脚本,不要瞎执行。如果被恶意利用,很可能成为 Office 宏病毒的另一个版本,tldraw 应该要在沙箱机制或者权限管理上更加谨慎才行。

一些使用启发

对普通用户来说,我觉得最容易开始的,还是把 tldraw 当成自己的思考草稿纸,而不是什么可视化的知识库。

准备文章时,把不同观点摆开,看看哪些论据支持同一个结论,哪些地方存在冲突。规划一个小项目时,先把任务和依赖画出来。需要和别人解释时,再整理成一张更简洁的图。AI 可以帮助我们起步,也可以帮忙重排结构,但重点仍然是我们自己的工作。

如果喜欢捣鼓,尤其是有想法的开发者(包括 Vibe Coder),可以动手将数据可视化放到这个画板里面来,作为内部使用或展示的生产力工具了。

最后

如果只是想临时开一张白板,tldraw 在线版已经是很直接的入口。如果你更喜欢把资料放在自己的文件夹里,还希望 AI 能参与画图和修改,那么 tldraw Offline 就值得看看。

除了可编辑的本地画布,亮点在于 AI Agent 和脚本的引入。同一个 tldraw 文件,既能保存思考过程,也可能慢慢衍生出一个适合自己的小工具,充满了可能性!

tldraw offline 官网地址

https://offline.tldraw.com

跳转微信打开

  •  

Todoist Task Capture Assist 评测:从 PDF

效率火箭 2026-11-01 16:12 上海

Todoist 新出的这个 Capture Assist,说白了就是想把你拉回它的界面。

以前它出了个 Ramble,让你对着麦克风碎碎念,AI 帮你拆解任务。现在这个新功能,专门对付现成的材料——PDF、会议纪要、白板照片,甚至长邮件,直接丢进去就能提取待办。

看着挺美,但实际用起来挺挑场景。它能抓任务名、日期和负责人,可一遇到复杂情况就露怯。比如会议纪要里写了“推迟到下季度”,它可能不管三七二十一,还是按原话给你生成一条错的任务;群聊里的活儿,你不加句指令,它会把全团队的活儿都塞给你。

所以这玩意儿最适合那些还没接入 AI 的传统工作。要是你的日常本来就靠 AI Agent 撑着,那还不如让 AI 顺手把任务整理好,再同步给 Todoist。

另外提一句,免费版每月只有 10 次机会,而且文件得传云端解析,涉密资料千万别往里丢。

说到底,这种工具以后大概率只能退化成记记“买牛奶”的琐事清单。留给独立待办软件的空间,确实越来越窄了。

跳转微信打开

  •  

Todoist Task Capture Assist 评测:从 PDF、Markdown 和照片提取任务究竟有用吗?传统待办工具会否被 AI Agent 取代?

原创 火箭君 CC 2026-11-01 15:30 上海

传统 Todo 待办工具可能要消失了

我觉得,Todoist 应该是着急了。

Todoist,这个老牌的待办记事工具,正在面临全新的挑战。这种挑战不是来自于另一个同类的 Todo 工具,而是 AI Agent。

我现在很多事情都让 AI Agent 去记忆,并提醒我,已经不太需要打开一个专门的记事工具了。在一年前,我还没有这种感觉,而现在却越来越强烈。

在这种情况下,Todoist Task Capture Assist 似乎想要扳回一城,先让用户的任务入口重新回到 Todoist 界面来。这个 Assist 可以把会议纪要、PDF、Markdown 和白板照片里的行动项整理成待办预览,也能减少重复录入。但实际能否把用户吸引回来,让我们来看看。

什么是 Todoist Task Capture Assist 与 Ramble?

在 Capture Assist 之前,实际上 Todoist 已经做过了尝试,在 2026 年初上线了 Ramble 功能,这是一种主打「语音意识流」的输入方式。你只需要对着麦克风碎碎念,把脑子里杂乱的想法一股脑说出来,AI 就会在后台自动识别语意,将其拆解成带时间、优先级和项目的结构化任务。

现在的 Assist 和 Ramble 都属于快速智能添加任务的方式。区别在于:

  • Ramble:处理的是脑海中临时的口头想法。

  • Capture Assist:处理的则是已经成型的外部文档与图像。

现在,添加任务时,除了常规的直接描述任务,我们也可以在快速添加(Quick Add)的加号菜单中选择 Extract Tasks,这就开启了 Assist。然后通过输入自然语言描述,或者上传文件让 AI 对任务进行分解。

一个软件界面,显示任务名称输入框和提取任务的下拉菜单,旁边有多个选项,如描述、项目、日期和附件。

任务捕获助手界面,包含粘贴笔记、上传文档或口述想法的提示。

当前支持的输入格式与限制包括:

  • 文字:一次最多 25,000 个字符。

  • 文档:PDF、MD、TXT,一次处理一个文件(上限 10MB)。

  • 图片:JPEG、PNG、WebP 等(上限 10MB,最高 4000×4000 像素)。

文件处理有单个上限,但我们很难触及到,一般正常的应用场景应该都可以应对。

比方说,以下这些常见的工作场景:

  • 你刚结束一场冗长的客户电话会,拿到了一份几千字的文字转录稿,行动项散落在几段文字里。

  • 或者你在头脑风暴后拍下了一张写满字迹的白板照片。

  • 甚至是一封来回拉扯了十几轮的邮件长文、一份二十多页的项目简报 PDF。

你不需要自己归纳整理,直接把它们丢进 Todoist,就能一次性把里面的待办事项提取出来。

不过,提取出一长串待办,和减少整理工作,还不能直接画等号。 如果我需要花同样多的时间逐条纠错核对,所谓的「自动化」也要打个折扣。 想想那些字迹潦草的手绘白板示意图,就能明白我在说什么。

Todoist 怎样从文档和图片提取任务?

它的基本逻辑是先扫描识别,再配合你的附加指令(Instructions)进行过滤,最后生成一个任务预览界面,让你在正式入库前做勾选和修改。

在字段识别的还原度上:

  • 支持提取的字段:它可以提取任务名称、描述、日期和时间、截止期限、优先级、标签以及负责人等字段。

  • 暂不支持的字段:当前不支持提取子任务结构和自定义提醒。因此,面对嵌套很深的 Markdown 清单,不能预期它直接还原成一套完整的层级项目。

在正式添加前的「人工预览与附加指令」这一步很有必要。上传的材料里,可能既有已经同意的安排,也有讨论中的想法,甚至有明确取消的事项。任务列表需要把这些区别留下来。

包含任务生成的界面,显示参加2027年全球创意大会的任务,地点为英国伦敦的Riverside会议中心,结束时间为下午5:30

真正的难点常常在语境,比方说:

  • 缺乏上下文判断:会议纪要里写着「Jane 建议下周三前重构登录模块,但老李认为风险太大,决定推迟到下个季度再议」。没有足够上下文理解能力的提取工具,很容易机械地抓取「下周三」、「重构登录模块」这样的字眼,直接给生成一条错误的待办。

  • 多人任务混淆:又或者,群聊记录里包含了别人的任务,如果你不在上传时特意加上一句指令(比如「只提取分配给我的行动项」),它就会把整个团队的活儿全都塞进你的个人列表里。

  • 隐含意图识别困难:此外,如果上传的是一张发票或纯信息类的网页截图,它往往识别不出任务,这时候,就需要你手动补充一句「在这张发票到期前提醒我付款」。

Todoist Capture Assist 和 AI Agent 之间的利与弊

要我说,Todoist 仍旧不是 AI Agent 的对手;但不代表在目前情况下没有价值。对于很多传统会议、传统工作,根本没有 AI 接入的情况下,Todoist 的作用就很大了。

它的优势场景非常明确:

  • 我如果在一个线下会议,看到白板上画了一堆计划,用手机拍下来,立刻可以通过 Todoist 变成任务列表。

  • 又比如拍下一个活动海报,转成一个任务。

  • 有些情况下,手机邮件收到了一个日程 PDF 或简易的计划书,可以立刻扔给 Todoist 处理,而不是和 AI 交互。

如果我从来没有成体系地使用 AI,尤其没有设置 AI 接管我的任务表。那么 Todoist 依旧很有用,而且很符合长期的使用习惯。

顺便一说,Todoist 已经提供 AI 接口(如官方的 MCP Server 等),可以让 Claude、ChatGPT 等 AI Agent 来直接读取和管理任务列表。有种「打不过就加入」的感觉。

我现在都是和 AI 聊天生成任务,因为那里有足够多的上下文,让 AI 帮我添加到 Todoist,除非我临时要查看或设置强提醒,一般就让 AI Grok Bots 管理维护这个任务列表。

六个不同颜色的卡通形状,包含灰色、蓝色、橙色、黑色、绿色和棕色。

尤其像会议纪要这种,我觉得,AI Agent 处理后加入 Todo List 更好,只在没有 AI 的情况下才会交给 Todoist 的 Capture Assist。

Todoist 免费额度与 AI 隐私安全

截至 2026 年 10 月底,关于额度与计费规则如下:

  • 免费版(Beginner):每月有 10 次会话额度,与 Ramble 语音功能共用。

  • 付费版(Pro):没有特别限制。

  • 重置与扣费逻辑:额度会在每月 1 号自动重置。官方说明,只有成功找到至少一个任务的捕获才计入额度;失败、取消和没有找到任务的捕获不计入。使用前可以看界面中的剩余次数。

如果在意隐私的话,需要留意的是:这种转换不是本地进行的,会交给云端 AI 服务器解析(会临时存储在安全服务器上用于调试)。因此,如果材料里有核心客户机密、敏感员工信息或受严格保密约定约束的内容,强烈建议不要使用此功能。

总结:传统 Todo 工具的未来

Capture Assist 似乎想要和 AI Agent 抢占工作类任务的入口,目前来看,在 AI Agent 没有全面普及到每个工作角落的情况下,它有一定的作用。但如果 AI Agent 已经参与了大量工作执行、协作会议和计划讨论,那么显然由掌握全局上下文的 AI Agent 来顺手整理任务更合理。

还有,如果本来只是录入一两件事,继续手动添加就很好,也没有必要把每一次操作都绕到 AI 那里。那种临时的、非系统性的,也不是跟随项目的任务,就非常适合传统 Todo 工具。还有些固定循环任务,也挺适合 Todoist 的。

但这也意味着,它最后很可能退化成「Buy Me Milk」那类日常琐事工具。而那个领域,苹果自带的提醒事项(Reminders)已经做得很好了,加上系统级的 Siri 语音输入加持,第三方工具似乎又很难有大作为。

尽管有了 Ramble 听写和 Capture Assist,留给 Todoist 这类独立工具的生存空间,确实已经越来越狭窄了。

跳转微信打开

  •  

Obsidian 开源 Pele Mermaid 渲染器:新一

效率火箭 2026-10-25 21:51 上海

刚看完 Obsidian 开源的 Pele,我第一反应是:这不就是把画图工具拆出来让大家随便接嘛。

它专门管一件事——把 Mermaid 文字转成 SVG 图。以后你照样写「A指向B」,Pele 负责画出来。Obsidian 1.15 抢先版已经接上了,不想用他家软件的,也能直接把这个开源库塞进自己的项目里。

最实在的提升在排版和适配上。以前那种横向流程图,到了手机窄屏上字小得像蚂蚁;现在 Pele 能根据屏幕宽度自动重排,横排变竖排。而且它用 CSS 变量管颜色,亮暗主题切换不用重新生成整张图。

想看效果不用急着更新软件。直接打开官方的 Pele Playground,把自己常用的那张图贴进去一对比就清楚了。尤其是带中文长标题、多分组的复杂图,差别特别明显。

图表能跟文章一起存、一起改,这才是它真正值钱的地方。

跳转微信打开

  •  

Obsidian 开源 Pele Mermaid 渲染器:新一代文字画图组件,如何用在笔记、博客和 AI 工作流里

原创 火箭君 CC 2026-10-25 15:30 上海

之前介绍 Defuddle 时,我很喜欢 Obsidian 的一个做法:把自家产品里有用的能力拆出来,让其他工具也能接着用。Defuddle 可以把网页抽取成 Markdown,后面怎么整理、用什么软件打开,用户都有选择。

最近看到的 Pele,也让我想到了这件事。

Pele 是 Obsidian 团队开发的开源 Mermaid 渲染器,可以把描述图表的文字转换成 SVG 图像。它采用 MIT 许可证,既服务于 Obsidian,也能被其他编辑器、网站和应用集成。

这听起来有点像一个只有开发者才会关心的小组件。但如果我们平时会用 Markdown 做笔记,让 AI 整理流程,或者给博客配一张关系图,它其实离日常工作很近。

Mermaid 和 Pele:图表的文字描述,与把它画出来的组件

先简单说说 Mermaid。

Mermaid 让我们通过文字描述流程图、时序图等图表。比如写下「A 指向 B」,工具就负责安排方框、文字和箭头。图表可以跟着文档一起修改,也方便放进版本管理。我们以前也做过介绍。

我觉得,Mermaid 的逻辑和 Markdown 是一样的,把一种复杂的排版变成文本形式,就像「源代码」一样,大家都能存储、共享、修改和编辑,而不用依赖于特定的软件或工具。大多数主流 Markdown 编辑器都支持了 Mermaid 渲染,有些只需要在设置里打开即可。

一个流程图,展示了从开始到检查是否正常工作的步骤,包含'是'和'否'的分支选择。

这对长期保存资料很有价值。只要保留图表源码(Markdown + Mermaid),以后就还有重新编辑和选择渲染工具的余地。

如果我们使用的不是 Mermaid,而是传统的图片,那基本就一次定型了,而且也很难再修改,检索也会麻烦些。况且在 AI 大行其道的当下,让 AI 生成 Mermaid 语法文本,远比生成图片更简单、更快速。

那么 Mermaid 和 Pele 有什么关系?

  • Mermaid 语法:用文字描述节点、连线、顺序和分组

  • Pele:按照 Mermaid 语法渲染生成 SVG 图

所以,用上 Pele 后,我们仍然写 Mermaid,也基本兼容以前用 Mermaid 写的文本。Pele 改变的是这些文字如何被渲染出来的部分,尤其是布局和排版方面。

Pele 的改进,最容易感受到的是主题和小屏幕

一个关于应用程序、授权服务器和令牌家族存储之间交互的序列图,展示了使用令牌R1进行刷新、发放新的访问令牌和刷新令牌R2的过程,以及令牌的安全替换和重用检测。

首先是可配置主题

Pele 使用 CSS 变量管理颜色,可以让图表配合所在页面的主题变化,单纯换色不需要重新生成整张图。尤其是那些需要支持亮暗色模式的编辑器,这个功能就很实用。

不过,如果源码里明确写死了某个节点的颜色,它仍然会保留那个颜色;换字体也可能需要重新测量文字。

另一个实用变化是适应宽度

桌面上横向展开的流程图,到了手机或者窄侧栏里,往往只剩一排很小的字。Pele 可以根据可用空间调整部分图表的布局,例如把横向流程改成纵向。我自己已经在一个小程序里加入了 Pele 库,渲染出来的图表的确会随着尺寸变换自适应,效果很好。

当然,一个特别复杂的图,也别期望放到手机小屏幕上自适应后就能自动变得清楚,这显然不科学。

还有就是渲染速度

Pele 官方说比市面上其它渲染快了 XX 倍,这个倒是对我来说最次要,至于快了几毫秒,现在大家不会在乎吧。除非有海量的图表要渲染,累计起来的差距才能体现。对普通用户来说,真正有意义的体验是修改文字后预览能否及时跟上,笔记打开时、滚动时,渲染是否顺畅。

怎么用上 Pele

Obsidian 已在 10 月 22 日发布的 1.15.0 抢先体验版中接入 Pele。要注意,我们说的是 Pele 渲染,Obsidian 原生也是支持 Mermaid 渲染的,只不过用的是其它的渲染器,Pele 相当于 Obsidian 自己重新打造了一个更好的渲染器。

其实即使不用 Obsidian,也能使用 Pele。Pele 库是开源的。不久的将来,相信很多文本编辑器都会接入 Pele。

如果只是想看看效果,可以直接打开官方的 Pele Playground。它提供 Pele、Mermaid、SVG 和 Compare 视图,适合把自己已有的图放进去,对照两种渲染结果。

一个显示源代码的编程界面,包含流程图和子图的结构,展示了对Mermaid文本的支持与渲染过程。

比起只看官网那些漂亮示例,我会更建议拿一张自己经常用的图来比较。尤其是带中文长标题、多个分组和回路线的图,更容易看出区别。

如果想给文章或报告临时配个图,可以考虑用上面的 Playground 按照合适的主题和尺寸进行渲染,然后导出为 SVG 使用。

无论如何,应该不用多久 Obsidian 自己就会发布支持 Pele 的正式版本 1.15;再加上第三方工具跟进支持,大家很快就能用上 Pele 特性了。

最后

Pele 也好,其他渲染器也好,我更喜欢的是,图表也能成为文件的一部分,这是 Mermaid 的精髓。

对于已经用 Obsidian 写笔记的人,Pele 最直接的价值,是以后看图、改图时,体验可以更连贯。

对于自己做网站、做小工具的人,它提供了一个可以独立接入的开源组件。大家可以围绕同一种文字语法,做出适合自己的编辑和展示方式。

但从长期整理资料的角度,我更喜欢的是这个结果:一张流程图可以和文章一起保存,和资料一起备份,需要时交给 AI 协助修改,最后再生成适合发布的图片。Pele 在这个工具链里提供了一个优秀的渲染器选择。

Pele 官方网站

Pele 项目源码 

https://github.com/obsidianmd/pele

Pele Playground

https://pele.run/playground

跳转微信打开

  •  

Logseq DB 版体验:告别本地 Markdown,数据同步与「本地优先」该何去何从?

原创 火箭君 CC 2026-10-22 15:30 上海

最近,我下载了 Logseq 最新的公开测试版,也就是所谓的 DB 版。它采用了 SQLite 数据库代替原本的 Markdown 文件库。

我尝试把原来的 Markdown 笔记导入 DB。大约 1000 个节点,导入后用起来依然流畅。有几个节点显示兼容问题,总体问题不大。

性能还没有专门测试,超大库的表现暂时不好下结论。目前既能导入旧笔记,也能直接创建原生数据库图谱。

但是,这次变化让我更在意的是,原来的文件同步方式在未来将处于什么位置。

本地 Markdown 文件给我安全感

我们知道,Logseq 以前的笔记就是一批 Markdown 文件。我可以自己选同步工具、自己做备份,某一篇出问题,就打开那篇检查。即使换个编辑器,正文也能继续读写。

同步时,Markdown 也可能有冲突。两台设备同时改一篇笔记,虽然概率不大,但仍需协调处理。比如同步未完成、错误覆盖之类的情况。

Logseq 的块引用和查询,也未必能被其它 Markdown 笔记软件完整解析。但是只要是 Markdown 文件,涉及个别文件的问题,通常可以局部单独处理。

对我来说,本地优先的吸引力就在于:数据可以放在自己的电脑上,自己信任的云盘上,完全自主掌握。

DB 版的同步,该怎么做?

Logseq DB 版把图谱内容及配置放进 db.sqlite,附件仍单独存放。两台电脑即使改的是不同笔记,除了附件以外,也很可能分别产生一个不同版本的数据库。

网盘能传输数据库文件,却未必(几乎肯定不会)懂得合并里面的节点。直接挑一个「较新的文件」覆盖过去,另一台设备的修改可能就丢了。

我们知道,数据库本身有事务保护,不容易损坏。但是粗暴的文件级别同步就很难说了。我几乎不会再考虑普通基于文件的同步方式了。

过去能逐篇打开、逐篇修复的内容,现在更依赖专门机制。如果出了问题,用户很难直接处理,也许有专门的数据库修复机制,或者就应该多做备份。

如果撇开传统的文件备份,Logseq DB 也提供了官方的 Sync 服务,类似 Obsidian 的官方 Sync,另外,Logseq DB 也支持自托管同步。用户还是有些选择权的。

可是,选择一个熟悉的网盘,与部署维护一套同步服务,对普通用户来说是不同的门槛。如果你执意要使用 DB 版的话,官方服务可能因此成为许多人最现实的选择。

Markdown Mirror

现在的 2.0.2 桌面版还提供 Markdown Mirror,把数据库内容反向生成出 Markdown 文件。但它是单向输出,修改镜像文件不会回写到数据库,也不能把它当成保证完整恢复图谱的备份。

作为一种备份手段,这有一些价值,但是不大。

我们可以这样理解,Markdown Mirror 更像是一种审计,Logseq 能产生出凭证,让你放心 DB 里面有这些内容,由于直接访问 DB 对于一般人来说门槛太高,所以生成 Markdown 文本这种大家能看懂的文件作为凭证,而且查看可以独立于 Logseq 本身,使用任何文本编辑器即可。

最后

我的心情有点复杂。Logseq DB 版应该是在性能上做出了极大进化,原来那种基于分散文件存储的方式,效率肯定是低下的,巨大数量节点的解析一定是痛苦的,现在这个问题算是解决了。

但是,数据的主动权、同步的便利性、基于纯文本的透明性也都失去了。

其实 Logseq 应该参考 Obsidian,MD 文件仍旧保持,同时在不同设备上建立自己本地的数据库索引,这样可以兼顾数据同步和访问效率。

准备迁移的老用户,一定要先用一个副本尝试 DB 版,把同步和恢复的机制弄清楚,再决定是否迁移主库。测试版阶段尤其应该留住原始 Markdown 文件。

如果管理自己数据的能力,越来越依赖专门服务和技术知识,那么即使数据库还在硬盘上,本地优先原来吸引我的意义,也已经打了折扣。希望有个开源且兼顾文件和 DB 版本的 Logseq 出现,在不久的将来,也许 AI 能为我们带来一个。

跳转微信打开

  •  

Markdown 如何实现本地化批注?看 Nextcloud 把协作评论写进纯文本的极客方案

原创 火箭君 CC 2026-10-18 15:30 上海

很多支持审阅功能的 App 或在线文档中都是很平常的事情,但是到了纯文本的 Markdown 里,想要实现并保留下来就不那么简单了。

我很喜欢 Markdown 的纯粹:作为本地文件,无论换到 Obsidian 还是 Typora 等哪个编辑器都能直接写。但是,一旦把文档丢进团队协作的场景里,事情就没那么简单了。以前那些主打在线协作文档的专门 SaaS(比如飞书文档、语雀等)一度很流行,但这又和我们所追求的「本地优先(Local-first)」产生了矛盾。

假设在一份 MD 格式的项目文档里写着「计划下周上线」。有人批注:「测试做完了吗?」有人回复:「还得等测试小组确认。」这个过程在很多支持审阅功能的 App 或在线文档中都是很平常的事情,但是到了纯文本的 Markdown 里,想要实现并保留下来就不那么简单了。

这时候,如果把这份 .md 文件导出、迁移,却只带走了正文里那句「计划下周上线」,就会产生问题。

对于这种多人协作场景,很多有价值的信息其实都留在侧边栏的评论区里。那里记录了谁提出过质疑、哪些条件还不成熟,以及一个决定是怎么经过反复拉扯才得出来的。(有些组织非常重视这个拉扯的过程。)

最近开源私有云 Nextcloud 的一次更新(随 Hub 26 Summer 推出),让我看到了一种非常朴素、也很极客的解法:它直接把评论作为纯文本,写进了 Markdown 文件里。这样一来,当我们「拥有一份文档」时,也就同时拥有了围绕它所发生过的全部讨论。

我今天并不是要专门介绍 Nextcloud,而是想聊聊它们对 Markdown 协作批注的一些改造思路。

Markdown 的痛点:正文容易搬家,但协作批注很难

Markdown 的正文很容易迁移,因为标题、列表、加粗都有一套通用语法。但一条评论批注包含的信息要复杂得多:它指向哪个位置?谁写的?谁回复了谁?讨论结束了吗?

这些状态并不会因为文件后缀是 .md,就自动被所有软件识别。所以,要想同时支持 Markdown、支持多人协作、支持评论无损迁移,中间其实横着多道门槛。

Nextcloud 社区里有过这样的反馈:某团队的 IT 部门用 Markdown 管理技术文档觉得很顺手,但推广给同事时却卡住了。因为大家已经习惯了 Word 的审阅批注功能,「一起改文档」意味着别人会直接改动你的文字,而「评论」则是先提出问题,把修改权留给原作者。在方案评审和日常写作中,后者往往是更迫切的刚需。

如果一套标榜「开放」的 Markdown 工作流,一到审阅环节就得退回 MS Office 这种封闭软件,或者在文档迁移时丢掉所有批注,那这种「开放性」也就意义不大了。

用「脚注」装下评论:Nextcloud Text 的解法

为了解决这个问题,Nextcloud Text(也用于其笔记和知识库组件)没有发明新格式,而是巧妙地借用了现有的 MD 脚注(Footnote)语法。

在界面上,我们看到的依然是现代化的侧边栏评论气泡,但如果用纯文本编辑器打开底层的 .md 文件,则会看到这样的结构:

计划下周上线。[^comment-1]

[^comment-1]:

- @[Hyashi](mention://user/hayashi)*(2026-10-07T02:00:00Z)*

客户还没有确认,先不要把日期写死。

- @[Jane](mention://user/jane)*(2026-10-07T02:15:00Z)*

同意,改成确认后再排期。

正文中用 [^comment-1] 锚定位置,文末则用列表记录盖楼回复、作者和时间戳。

我很喜欢这种以文件为中心(File-over-App,即文件优先于应用)的思路:

  • 在 Nextcloud 里,它可以被渲染成漂亮的侧边栏评论;

  • 换到 Obsidian、Logseq 等普通的 Markdown 编辑器里,它可以退化成可读的脚注;

  • 哪怕只用系统的记事本打开,这段讨论依然完好无损,以纯文本的形式保留了下来。

哪怕将来彻底换掉工具链,我依然会拥有一份有头有尾的原始记录。这条退路是不是很珍贵?

对比 Notion 与 Google Docs:在线文档的评论迁移困境

如果稍微观察一下就会发现,基于 Markdown 的方案是一个不会锁死生态的方案。

  • Notion 等在线文档:

     虽然评论和共享协作非常方便,但作为一个封闭的在线系统,它需要账号订阅,会死死锁定生态。一旦把文档导出为 Markdown,侧边栏的讨论就会全部丢失。

  • Google Docs:

     情况类似,不过它属于体量更大、更成熟的生态。而且 Google 现在也开始原生支持导入和导出 MD 格式了,对迁移相对友好。

  • MS Word(.docx):

     需要配置 Office 环境。不过考虑到现在有大量非微软的兼容软件(如 WPS、LibreOffice)都能直接读取 .docx 里的审阅批注,在兼容性上相比之下已经算是很好的了。

  • Markdown(Nextcloud 提出的方案):

     几乎不依赖任何特定的环境和生态。它既可以放在自己本地并用 Git 做版本控制,也可以放在云盘,或者私有化部署在 Nextcloud 之类的开源平台上,连正文带评论完全由自己掌握。考虑到 Nextcloud 产品,这也符合其基于文件共享平台的立场。

可见 Markdown 几乎不依赖任何特定的环境和生态,既可以放在自己本地并用 Git 做版本控制,也可以放在云盘,或者私有化部署在 Nextcloud 之类的开源平台上,数据完全由自己掌握。

纯文本批注的局限性:Nextcloud 方案的三个缺陷

Nextcloud 的方案虽然足够聪明,但也不是万能的。

  • 它是点状标记,而非划词批注:

     它只能锚定在某个光标所在的位置,没法像 Word 或 Notion 那样精准高亮框选一整段话。

  • 账户体系无法跨平台:

     文本里的 mention://user/hayashi 到了别的软件里,就只是一串普通字符,失去了 @ 联动通知的能力,存在一定的规格依赖。

  • 不具备审计效力:

     既然评论本身就是纯文本,意味着任何人都能用编辑器手动修改里面的作者名字和时间戳。它适合用来留存讨论的上下文,但不能作为严肃的审批证据。这是纯文本天生的硬伤。

不过,像 Nextcloud 这样的轻量级方案,已经解决了很多痛点,在一个公开透明的组织或小团队里,这已经完全够用了。而如果为了解决更大层面上人与人之间的信任关系,软件最终往往还是会演变成一个复杂的封闭系统。

总结:文档协作的「上下文」价值与 AI 时代的思考

沿着这个方向想下去,评论其实只是文档「上下文(Context)」的一部分。

一段结论为什么可信,取决于它的引用来源;一个决定为什么被搁置,往往藏在某条回复里。如果在迁移时只留下一版光溜溜的正文,后来接手的人,甚至包括通过 RAG(检索增强生成)读取本地知识库来帮你总结资料的 AI,就只能看到看似确定的结论,却看不见背后的争议与保留意见。

换言之,一份经过多人打磨的文档,其中评论和协作过程的上下文价值,可能早就溢出了正文。这也是 Markdown 这类朴素的纯文本格式,在未来发展中需要考虑的问题。

跳转微信打开

  •  
❌