markitdown-ocr + markitdown-sample-plugin

從 kwargs 取出 llm_client / llm_model / llm_prompt 建 service； 沒有 llm_client 就回傳空 service（OCR 會靜默略過）。四個 converter （PdfConverterWithOCR 等）用 register_converter(priority=-1.0) 註冊——-1.0 < 內建的 0.0，所以先被試到，等同覆寫內建。

OCRResult 是 dataclass（text + confidence 等）； extract_text 組圖像 content 送 LLM，回傳抽取文字。整個外掛 「不新增 ML 函式庫」的承諾就建立在這裡——全部靠既有的 OpenAI 相容 client。

• _extract_images_from_page(page) — 依 pdfplumber page XObjects/位置抽圖。
• _extract_page_images — 依頁索引抽圖。
• _ocr_full_pages — 掃描版 PDF 偵測（無文字層）時整頁渲染 300 DPI 送 LLM。
• convert — 正常文字 + 內嵌圖片的 OCR 文字依垂直閱讀順序交錯。

輸出以 *[Image OCR]...<text>[End OCR]* 包住，並用 PyMuPDF 重試 malformed PDF。

_extract_and_ocr_images 用 doc.part.rels 抽圖並 OCR； _inject_placeholders 把結果換成佔位 token 塞進 HTML，等 mammoth/markdownify 跑完再還原成 *[Image OCR]... 區塊——避免 markdown 轉換器把 OCR 標記轉義掉。

PPTX 支援 picture shape、placeholder 內圖片、群組內圖片，且「先問 LLM 描述、無描述才 OCR」； XLSX 用 _extract_and_ocr_sheet_images + _column_number_to_letter 把圖片的錨點座標換成 Excel 欄位名，輸出 ### Images in this sheet: 段落。

三步就是全部：

• RtfConverter(DocumentConverter) — 實作 accepts（判斷 RTF）+ convert（轉 Markdown）。
• __plugin_interface_version__ = 1 — 宣告外掛介面版本（目前只支援 1）。
• register_converters(markitdown, **kwargs) — markitdown.register_converter(RtfConverter())。

最後在 pyproject.toml 宣告 entry-point：[project.entry-points."markitdown.plugin"] sample_plugin = "markitdown_sample_plugin"。裝好後 markitdown --list-plugins 就看得到。