markitdown-pdf-ocr-pipeline：基于 MarkItDown 与视觉 LLM 的 PDF 幻灯片 OCR 转换管线

GitHub 开源项目 markitdown-pdf-ocr-pipeline 是面向图片密集型大学课件和技术 PDF 的文档提取工具，结合 pdfminer.six 的稀疏文本页面检测、Microsoft MarkItDown 与视觉 LLM（Gemini / OpenAI / 本地 LM Studio）。管线分两步：先用 check_pages.py 通过 pdfminer.six 遍历每页 LTTextContainer 排版元素并标记文本稀疏的页面，再对标准文本提取器返回空结果的整页图表、扫描图进行视觉模型转换，输出 Markdown。