跳转到主内容
版本发布

42md batch 上线：一行命令，把整个目录转成 Markdown

硬盘里躺着上千篇论文 PDF，想一次性全转成 Markdown 喂给 AI，却卡在「一篇一篇转太慢、中间一个坏文件就前功尽弃、跑到一半断电又得从头来」。新的 42md batch 命令为大规模处理而生：一行命令扫描整个目录，单篇超时自动跳过、坏文件隔离不拖垮整批，跑断了再运行一次就接着上次继续。还能喂一份链接清单，边下载边转换，把实验室论文成批收进来。

8 分钟
产品发布批量处理命令行本地引擎

硬盘里躺着上千篇论文 PDF，想一次性全转成 Markdown 喂给 AI。用 42md paper.pdf 一篇一篇转，几千篇要守一晚上；写个循环脚本吧，中间一个坏文件报错就断在那，前面的白跑；好不容易跑到一半，电脑睡眠了，又得从头再来。

批量处理有批量处理的坑。今天上线的 42md batch 就是为这件事做的——一行命令处理整个目录，个别文件出问题不拖垮整批，跑断了还能接着上次继续。

一行命令，处理整个目录

把目录交给 42md batch，它会自动扫描里面所有能识别的文件（PDF、Word、音频、图片、网页链接……当前支持 42+ 种格式），逐个转成 Markdown：

42md batch ~/Downloads/papers

目录里的子文件夹也会一起扫进来。转换过程有实时进度，成功和失败一目了然：

📄 转换 1000 个文档（4 路并发）
  ✅ [1/1000] attention-is-all-you-need.pdf
  ✅ [2/1000] deep-residual-learning.pdf
  ✅ [3/1000] bert.pdf
  ...
🎉 文档转换完成：999/1000 个文件成功

想指定输出目录，加 -o：

42md batch ~/Downloads/papers -o ~/papers-md

一个坏文件，不该拖垮一整批

批量处理里容易翻车的一环，是几千篇里难免混着一两篇有问题的文件——格式损坏、结构诡异、或者某一篇特别大，卡在那里半天出不来。写循环脚本时，这种文件会直接让整个流程断在那，前面的成果也没法收尾。

42md batch 给每篇转换加了墙钟超时（默认 60 秒）。超时的文件记为失败、跳过，批量继续往下跑，不会因为一篇卡死拖垮整批：

# 单篇超时设为 120 秒（0 = 不限时）
42md batch ~/Downloads/papers --timeout 120

坏文件也一样——解析失败的那篇被隔离、记录原因，其余照常完成。跑完你能清楚看到是哪几篇没成功、为什么。

跑到一半断了？再运行一次就接着跑

上千篇的大批量，跑到一半难免出意外：电脑睡眠、误按 Ctrl-C、临时要关机。42md batch 在输出目录里维护一份进度账本，只要用同一个 -o 目录再运行一次同样的命令，已经转好的文件会被自动跳过，从上次断的地方接着往下：

# 先跑一遍，跑到 600 篇被打断
42md batch ~/Downloads/papers -o ~/papers-md

# 再运行一次，前 600 篇秒过，从第 601 篇继续
42md batch ~/Downloads/papers -o ~/papers-md

跳过前会核对产物是否完整——只有真正转好、落盘完整的文件才算数，残缺的会重做。所以不用担心接续时漏掉半截产物。

一份链接清单，边下载边转换

论文不在本地、只有一堆链接？把链接写进一个文本文件，每行一个，交给 --from-list：

# urls.txt 里每行一个 http(s) 链接，空行和 # 开头的注释会跳过
42md batch --from-list urls.txt -o ~/papers-md

它会边下载边转换：一批链接在下载的同时，下好的就开始转 Markdown，两头协同，不用等全部下完再动手。抓一整个实验室主页挂着的论文 PDF，一条命令收齐。

并发按你的机器自动调

不加 -w，42md batch 会按你机器的核心数和内存自动挑一个合适的并发数。内存吃紧的笔记本会自动放慢并发，避免大批量处理时把内存撑爆；核多内存足的机器则跑得更快。想自己定，用 -w：

42md batch ~/Downloads/papers -w 8

为了跑得更稳更省内存，batch 默认不导出 PDF 里的图片（图片解码是批量处理时内存占用的大头）。需要连图一起导出，加 --images。

几个实用选项

# 扫描件 / 图片型 PDF 走 AI 识别
42md batch ~/scans --ocr

# 只提取每篇的前 5 页
42md batch ~/Downloads/papers --pages 1-5

# 每篇输出一行 JSON（脚本里取产物路径、页数、告警都好解析）
42md batch ~/Downloads/papers --json

# 非交互脚本里跳过二次确认
42md batch ~/scans --ocr -y

涉及云端 AI 识别（--ocr）会消耗 AI 配额、按页计费，动手前有二次确认和预估消耗，需要显式确认或加 -y 才会跑。本地数字 PDF 提取免费、不计费。

高隐私文档，让识别只在本机跑

合同、发票、内部资料这类文件，很多时候连传云端都不放心。42md Pro / Pro+ 用户可以把活水模型（42model）接为 42md 的本地引擎——--ocr 的扫描件识别就能整段在你自己的机器上完成，图片和文字都不出本机，也不消耗 AI 配额：

# 一整个目录的扫描件，走本地引擎批量识别
42md batch ~/合同扫描件 --ocr --engine local

--engine local 会强制走本地引擎；连不上会如实报错，不会偷偷改用云端。批量处理成百上千份敏感文档时，这条路既省配额、又让数据留在本地，尤其适合对隐私要求高的场景。

活水模型引擎本体免费、人人可下载（42model.com）；把它接为 42md 的本地引擎、用于本地识别，是 42md Pro / Pro+ 专属福利。想大批量处理高隐私文档，在 42md.cc 升级到 Pro / Pro+ 即可解锁。

开始使用

命令行用户，先装或升级到最新版：

# macOS
curl -fsSL https://42md.cc/mac | bash

# Windows（PowerShell）
irm https://42md.cc/win | iex

然后把目录交给它：

42md batch ~/Downloads/papers -o ~/papers-md

想先看看单篇效果，42md.cc 注册登录即可立即体验，或查看功能演示点开看真实转换效果。

上千篇论文一次转成 Markdown，接着就能建成 AI 能检索的知识库。更快地获取，从这一步开始。

42md — 你的知识快刀。更快地获取、更深地编译、更好地策展、更强的工具。

活水 AI 实验室（42ailab） — 探索智能边界的 AI 创新实验室，以认知科学为基石，推动 AI 与人类智能的深度融合，真正理解并增强智能 —— 碳基的，也是硅基的。

官网：https://42md.cc