做了一个可扩展的文档转换架构 @isdk/mdast-plus，重点是保留元数据和支持资源关联

[riceball]

为了让 AI （或其它处理流程）能够更好地阅读和理解各类文档，我需要一个能将 PDF 、Word 、HTML 等格式转为 Markdown 的库，并且要求保留原文档的元数据（如页码、标题层级）和资源关联（如图片、附件）。

尝试过 Pandoc 和微软的 MarkItDown：

• Pandoc 格式支持广，但输出偏向“纯文本”，元信息和资源关系基本丢失。

• MarkItDown 更关注 AI Token 化，对文档内部结构的处理比较简化。

于是基于 unified/mdast 生态设计了一个可扩展的转换架构： @isdk/mdast-plus 。

核心特点：

1. 明确的 pipeline 阶段（ parse → normalize → compile → finalize → stringify ），插件可以按阶段插入；

2. 语义化规范，支持表格跨行列、代码块元数据解析、图片尺寸语法、注释框标准化等；

3. 目前内置了 markdown 、html 和 ast （调试）三种格式，其它格式可通过第三方插件实现，方便针对不同格式深度优化；

4. 输出 Markdown 时可保留文档结构、元数据与资源链接，方便下游（如 AI 引用）准确溯源。

和以往项目一样，代码、文档和测试主要由 AI 生成，我主要负责架构设计、规范制定和 review （虽然这次 review 得没那么严）。

如果你也在做文档转换、知识库构建或 AI 文档处理相关的事情，或许可以试试或一起完善。项目已发布 npm ，GitHub 仓库在这里（含 README 和示例）: https://github.com/isdk/mdast-plus.js

欢迎交流思路或拍砖。