把 .md / .txt 轉成帶 chunk_id 的 JSONL，方便直接接進批次處理或後續 pipeline。

安裝  ·  執行  ·  輸出格式  ·  Python API  ·  授權

---

安裝

python -m venv .venv
. .venv/bin/activate          # Windows: .venv\Scripts\activate
pip install -e .[dev]

---

執行

# 轉換文件
mdprep ingest --input ./examples/demo.md --output ./out/demo.jsonl --doc-id demo-001

# 驗證輸出格式
mdprep validate --input ./out/demo.jsonl

---

輸出格式

每行一筆 JSONL，欄位固定：

{"doc_id":"demo-001","chunk_id":"demo-0001","text":"# Demo","metadata":{"source":"public-starter-kit","char_length":6}}
{"doc_id":"demo-001","chunk_id":"demo-0002","text":"這是一份公開示範資料。","metadata":{"source":"public-starter-kit","char_length":11}}

---

Python API

from markitdown_prep.core import build_chunks, emit_jsonl

chunks = build_chunks(text="# Hello\n\nThis is a sample.", doc_id="sample-001")
emit_jsonl(chunks, "out.jsonl")

---

適合這些情境

• 批次轉換多份文件，輸出統一格式供下游消費
• 自建 ingestion 流程時需要一個有測試的基線
• 只需要拆段 + 標準欄位，不需要額外 dependency

---

不包含

• 真實資料與私有欄位定義
• 任何業務規則、決策邏輯、Prompt

詳見 docs/threat-model.md。

---

開發

pytest -q

---

授權

本專案採 MIT License 授權，永久免費、可商業使用、可修改、可散佈。

權利	說明
✅ 免費使用	個人、商業、學術皆可，不收費
✅ 可修改	可依需求自由調整原始碼
✅ 可散佈	可重新散佈原始或修改版本
✅ 可商業使用	可用於商業產品中
ℹ️ 保留聲明	散佈時需保留原始版權與授權聲明

版權所有 © 2026 eGroupAI 益群健康資訊

---

維護者

本 repo 由 eGroupAI 益群健康資訊 維護，作為公司開源貢獻的一部分。

項目	資訊
官網	https://www.egroupai.com/zh-TW
聯絡信箱	service@egroupai.com
GitHub 組織	github.com/eGroupAI

如有問題或建議，歡迎透過 GitHub Issues 或上述信箱與我們聯絡。