PDF轉Markdown怎麼做?這段提示詞貼給Claude,就能成AI讀得懂的md檔
PDF轉Markdown怎麼做?這段提示詞貼給Claude,就能成AI讀得懂的md檔

早安呀!歡迎用贊助支持我和貓貓!你的每一份打賞,都是我們繼續整理資訊的動力。

讀者 Michael 來信問我兩個關於 Markdown 的問題:一個是「要怎麼把資料存成 Markdown 檔」,另一個是「怎麼把既有的 PDF 轉成 Markdown,讓 AI 好讀?」

延伸閱讀:Markdown是什麼?一個部落客為了上稿催生的格式,變AI底層語言

我分享一下自己的經驗。

現在的 AI 通常讀得到 PDF 裡的資訊,有些模型也能看懂頁面上的圖片、圖表和版面。但問題是:看得到,不代表每一層意思都能正確理解。

比如公司習慣用紅色代表「禁止事項」、綠色代表「同一層級」。這些意思人可以懂,但 AI 不一定每次都能正確理解這個脈絡。

所以我覺得把 PDF 轉成 Markdown 真正有價值的地方,是在轉換過程逼你去檢查: 這份文件要讓 AI 幫我做什麼?為了完成這個任務,到底有沒有寫清楚?

怎麼存 md 檔,原始 PDF 怎麼轉換?我整理成圖卡給你!

實作看看吧!點此連結跟我分享心得,我都會看。

先問:你的這份文件,要讓 AI 做什麼?

先問:你的這份文件,要讓 AI 做什麼?

想一個真實使用情境:你希望 AI 用這份文件「查資料」、「照 SOP 做事」,還是「判斷該怎麼處理」?目的不同,需要寫清楚的資訊也不同。例如只是查電話、規格,資訊找得到可能就夠了,但如果要 AI 判斷一筆申請能不能通過,它還需要知道適用條件、例外情況和判斷標準。

Markdown 怎麼存、怎麼改?其實很簡單

Markdown 怎麼存、怎麼改?其實很簡單

Markdown 本質上是純文字檔,副檔名是 .md。和 AI 協作完,你可以請它用 Markdown 格式整理,存成像 SOP.md 這樣的 md 檔。想編輯時,可以直接用文字編輯器修改,或是把 md 檔 上傳 Google Drive,用 Google 文件開啟、修改,之後再下載成 Markdown。

PDF 轉 Markdown:這個 prompt 直接貼給 Claude

PDF 轉 Markdown:這個 prompt 直接貼給 AI

上傳你的 PDF,跟 Claude/ChatGPT 等你習慣的 AI 說:

把這份文件整理成適合 AI 使用的 Markdown:保留標題層級與重要資訊;表格取消合併格,把隱藏條件寫成明確文字;顏色、符號、版面若有意義,也要轉成文字;截圖與圖表中的重要內容不要略過;流程改成編號步驟,適用條件寫在對應步驟旁;保留原始頁碼方便回查;不確定的地方標 [待確認],不要自行猜測;完成後,列出可能遺失、矛盾或需要人工確認的地方。

上百頁的 PDF 怎麼做?先分段、再批次處理

上百頁的 PDF 怎麼做?先分段、再批次處理

文件越大、表格和圖片越複雜,越不適合一次全部轉完。可以先依「完整章節」或「完整 SOP」把原始 PDF 拆成幾個小檔,再一份一份上傳轉換。每批都保留原始頁碼,最後再合併成一份 Markdown。

最後檢查別只看文字,去測它能不能完成任務

最後檢查別只看文字,去測它能不能完成任務

回到第一步,拿一個真實任務測試。例如:

請依這份文件判斷這筆申請該怎麼處理。

你可能會發現文件整理好了,AI 還是做不準,因為它還缺乏一些隱性知識,像是怎樣才算做對、做好?哪些情況是例外?這些補上,才能真的完成任務。

訂閱《一天一AI》日報,每天跟你分享超實用的AI小技巧!

延伸閱讀:
Markdown過時了?Claude Code工程師:當文件只給AI看,用HTML更合理

券商分析師怎麼用AI做研究?他讓NotebookLM、Gemini、Claude三個AI接力,養出專屬產業大腦

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓