Reduce el 70% de tokens en Claude: Convierte PDFs a Markdown con MarkItDown de Microsoft
Guía completa para instalar y usar la herramienta open-source de Microsoft que limpia documentos PDF, elimina ruido y metadatos, y genera Markdown optimizado para IA, ahorrando tokens y mejorando la precisión de Claude.
Por Martin Reche ·
Martin Reche · Sistemas de conversión con IA para negocios
Hemos construido sistemas de conversión para más de 50 negocios: desde el anuncio en Meta Ads hasta el cliente cerrado, pasando por la cualificación del lead y la venta. Todo lo que ves en esta guía está funcionando en negocios reales.
EL PROBLEMA Y LA SOLUCIÓN
Por qué tus PDFs están consumiendo 3x más tokens de los necesarios
Cuando subes un PDF directamente a Claude, no estás enviando solo el texto útil. Estás pagando tokens por headers, footers, numeración de páginas, metadatos del documento, espaciado irregular y código de formato interno del PDF. Un documento de 20 páginas que debería consumir 20,000 tokens fácilmente puede quemar 70,000 tokens. MarkItDown es una herramienta de línea de comandos desarrollada por Microsoft que convierte PDFs, Word, Excel y PowerPoint a Markdown limpio y estructurado. Al eliminar el "ruido" del formato y conservar solo el contenido semántico, reduces el consumo de tokens entre un 60% y 70%, permitiéndote procesar documentos más largos dentro de los límites de contexto de Claude y ahorrando dinero significativo si usas la API.
¿Qué es un token? Es la unidad mínima de procesamiento de la IA. Aproximadamente 1 token = 4 caracteres en español. Claude cobra y limita su memoria por cantidad de tokens (input + output). Un PDF con mucho formato visual consume tokens "invisibles" que no aportan valor al análisis.
📄
PDF Original
Headers, footers, metadatos, saltos de página, código de formato. 20 páginas = ~70k tokens.
⚡
MarkItDown limpia
Elimina ruido visual, extrae solo texto estructurado, conserva jerarquías de títulos y listas.
📝
Markdown Óptimo
Texto plano estructurado listo para IA. 20 páginas = ~20k tokens. Ahorro del 70%.
El flujo completo
1. Instala
MarkItDown en tu equipo (2 minutos)
2. Convierte
PDF → Markdown limpio en segundos
3. Ahorra
Sube el .md a Claude y reduce tokens
VÍA RÁPIDA OBLIGATORIA
Instalación automática con Claude Code (El agente lo hace todo)
Claude Code es un agente de programación que ejecuta comandos en tu terminal automáticamente. En lugar de instalar Python, pip y MarkItDown manualmente, simplemente pégale este prompt y observa cómo configura todo tu sistema en 2 minutos sin que toques la terminal.
Instala la herramienta markitdown de Microsoft (https://github.com/microsoft/markitdown) en mi equipo. Necesito que:
1. Verifiques que tengo Python 3.10+ instalado, o instales Python si falta
2. Instales markitdown usando pip: pip install markitdown
3. Verifiques la instalación ejecutando 'markitdown --version' y me muestres la versión instalada
4. Me expliques brevemente cómo usarlo para convertir un PDF llamado 'documento.pdf' a 'salida.md'
5. Asegúres de que el comando 'markitdown' esté disponible en el PATH del sistema
Ve contándome cada paso que ejecutas y el resultado. Si encuentras errores de permisos o dependencias, soluciónalos automáticamente.¿No tienes Claude Code? Es una extensión de terminal gratuita de Anthropic. Descárgala en claude.ai/code, ejecútala con 'claude' en tu terminal, pega el prompt de arriba y presiona Enter. El agente hará todo el trabajo sucio por ti.
REQUISITOS
Qué necesitas si prefieres instalarlo manualmente
Python 3.10 o superior
MarkItDown requiere Python moderno. Windows, Mac y Linux soportados.
python --versionpip (Gestor de paquetes)
Viene incluido con Python. Usado para instalar MarkItDown.
pip --versionEspacio en disco
Aproximadamente 100MB para la instalación y dependencias básicas.
N/A(Opcional) Tesseract OCR
Solo si conviertes PDFs escaneados (imágenes). Permite extraer texto de imágenes.
brew install tesseract¿Te trabas en algún paso? Lo vemos en una llamada desde 49€, con acciones por escrito.
Ver sesionesINSTALACIÓN MANUAL
Pasos paso a paso para instalar MarkItDown a mano
Verifica tu versión de Python
Abre tu terminal (Terminal en Mac, CMD o PowerShell en Windows) y ejecuta el siguiente comando. Debes ver 3.10, 3.11 o 3.12. Si ves 3.9 o menor, actualiza Python primero.
python --versionInstala MarkItDown con pip
Ejecuta este comando en la terminal. Se descargará la herramienta y todas sus dependencias (como bibliotecas para leer PDFs). Puede tardar 1-2 minutos dependiendo de tu conexión.
pip install markitdownVerifica que la instalación funcionó
Este comando debe mostrarte la versión instalada (ejemplo: '1.5.0'). Si dice 'comando no encontrado', reinicia tu terminal o cierra y abre la ventana de nuevo para recargar el PATH.
markitdown --versionTU PRIMERA CONVERSIÓN
Cómo convertir un PDF a Markdown en segundos
MarkItDown funciona desde la línea de comandos. Necesitas tener tu archivo PDF en una carpeta conocida (por ejemplo, tu Escritorio o Documentos). El comando básico lee tu PDF y genera un archivo .md con el mismo contenido pero limpio.
Navega a la carpeta con tu PDF
En la terminal, usa el comando 'cd' para entrar a la carpeta donde está tu archivo. Ejemplo: si está en Descargas, escribe cd Descargas. En Windows puedes arrastrar la carpeta a la terminal después de escribir 'cd ' (con espacio).
cd ~/DownloadsEjecuta la conversión
Reemplaza 'documento.pdf' por el nombre exacto de tu archivo. El símbolo '>' crea un nuevo archivo llamado 'salida.md' con el resultado. Si el nombre tiene espacios, ponlo entre comillas: "mi documento.pdf".
markitdown documento.pdf > salida.mdAtención con PDFs escaneados: Si tu PDF son fotos escaneadas (sin texto seleccionable), MarkItDown necesita Tesseract OCR instalado. Sin él, el archivo .md resultante estará vacío o con texto corrupto. Instala Tesseract primero (ver Requisitos).
Verifica el archivo generado
Abre el archivo 'salida.md' con cualquier editor de texto (VS Code, Notepad, TextEdit). Deberías ver el contenido limpio, sin números de página repetidos ni encabezados de empresa en cada hoja. El tamaño del archivo será notablemente menor que el PDF original.
INTEGRACIÓN CON CLAUDE
El flujo definitivo: De PDF a Claude optimizado
Este es el workflow profesional para maximizar el ahorro de tokens:
- Convierte el PDF a Markdown con MarkItDown
- Revisa el .md generado y elimina secciones irrelevantes (opcional pero recomendado)
- Copia el contenido o arrastra el archivo .md directamente a Claude
- Solicita el análisis específico que necesites
Conversión optimizada para IA
Usa este comando mejorado que genera un Markdown más limpio, eliminando comentarios ocultos del PDF y optimizando la estructura de listas:
markitdown informe.pdf -o informe_optimizado.mdSube el archivo a Claude
En la interfaz de Claude (claude.ai), haz clic en el icono de clip 📎 o simplemente arrastra el archivo 'informe_optimizado.md' a la ventana de chat. Verás que Claude lo procesa instantáneamente. Alternativamente, copia y pega el contenido del archivo si prefieres no subir archivos.
Comparación real de tokens: Un contrato de 15 páginas en PDF consume ~45,000 tokens. El mismo contrato convertido a Markdown consume ~12,000 tokens. Con el plan Pro de Claude (limitado a 200k tokens/ventana), esto te permite analizar documentos 3.7 veces más largos que subiendo PDFs crudos.
Prompt recomendado para Claude
Ahora que tienes el contenido limpio, usa este prompt para obtener el máximo provecho:
Analiza el siguiente documento en formato Markdown. Como está limpio de metadatos y formato innecesario, enfócate únicamente en el contenido semántico:
[PEGA AQUÍ EL CONTENIDO DEL .md O REFIERE AL ARCHIVO SUBIDO]
Por favor:
1. Resume los puntos clave en 3 viñetas
2. Identifica cualquier cláusula o término crítico
3. Señala inconsistencias o puntos que requieran atención especial
El documento ha sido pre-procesado para eliminar ruido de formato, por lo que el texto es puro contenido estructural.SOLUCIÓN DE PROBLEMAS
Errores comunes y cómo solucionarlos
Claude dice que el archivo Markdown está vacío o tiene símbolos extraños
Tu PDF probablemente es una imagen escaneada (foto de papel). MarkItDown necesita el motor OCR Tesseract instalado para leer imágenes. En Mac: 'brew install tesseract'. En Windows, descarga el instalador de GitHub/tesseract-ocr.
'pip' no se reconoce como comando interno (Windows)
Python no está en tu PATH de Windows. Reinstala Python y marca la casilla 'Add Python to PATH' al inicio de la instalación, o usa el comando 'py -m pip install markitdown' en lugar de solo 'pip install'.
El Markdown generado sigue teniendo mucho texto basura (headers repetidos)
Algunos PDFs tienen el header/footer incrustado como texto real en cada página. MarkItDown extrae todo el texto visible. Puedes pedirle a Claude que 'limpie el markdown eliminando headers y footers repetidos' como paso post-procesamiento, o usar el parámetro '--strip-comments' si está disponible en tu versión.
¿Funciona con archivos Word, Excel o PowerPoint?
Sí, MarkItDown también convierte .docx, .xlsx y .pptx a Markdown. Usa el mismo comando: 'markitdown presentacion.pptx > presentacion.md'. Es especialmente útil para convertir tablas de Excel a tablas Markdown que Claude interpreta perfectamente.
SIGUIENTES PASOS
Qué puedes hacer ahora con esto
⚖️
Análisis de contratos legales
Convierte contratos de 50 páginas a Markdown y pídele a Claude que compare cláusulas específicas entre diferentes versiones, ahorrando horas de revisión manual y costos de tokens.
📚
Síntesis de papers académicos
Procesa papers científicos en PDF eliminando referencias bibliográficas duplicadas y manteniendo solo las secciones relevantes (introducción, metodología, resultados) para resúmenes ultra-rápidos.
📊
Extracción de datos de facturas
Convierte facturas PDF a Markdown estructurado y usa Claude para extraer automáticamente fechas, montos y conceptos a una tabla CSV sin pagar tokens por los logos y diseños gráficos de la factura.
🗂️
Creación de bases de conocimiento
Convierte toda tu documentación técnica (manuales, guías, wikis exportadas a PDF) a Markdown limpio y créale a Claude un contexto permanente con 10x más documentos gracias al ahorro de tokens.
Repositorio oficial de Microsoft
MarkItDown es open-source y mantiene actualizaciones frecuentes. Consulta la documentación oficial para funciones avanzadas como procesamiento por lotes o integración con pipelines de datos.
Si quieres ir más rápido
Sistemas de conversión que funcionan, no demos de IA
Soy Martin Reche. Hemos construido sistemas de conversión para más de 50 negocios: desde el anuncio en Meta Ads hasta el cliente cerrado, pasando por la cualificación del lead y la venta. Todo lo que ves en esta guía está funcionando en negocios reales. Si quieres aplicarlo a tu caso, lo vemos en una llamada: te digo qué montar, con qué y en qué orden, y te lo dejo por escrito. Y si prefieres que lo montemos por ti, eso es NovaChat.
Sistemas de conversión
Del anuncio al cliente cerrado: captación, seguimiento y venta en un solo flujo que funciona.
Cualificación de leads
Cada contacto se filtra, se atiende y se lleva a la venta sin que nadie lo persiga a mano.
Agentes de IA que atienden y venden
Voz, WhatsApp, web e Instagram: responden, cualifican y cierran citas 24/7.
Consultoría 1:1
Desde 49 €: te digo qué montar, con qué y en qué orden, por escrito.
Consultoría 1:1 · Google Meet
Una llamada y sales sabiendo qué hacer y qué no
Me cuentas tu caso en un formulario de dos minutos, pagas, eliges hora. Garantía simple: si en los primeros 10 minutos veo que no te puedo ayudar, te devuelvo el importe. Pack de 3 Revisiones por 249 € si quieres que te acompañe 90 días.
49€
30 min · Diagnóstico 1:1
99€
60 min · Revisión 1:1
149€
90 min · Estrategia 1:1
¿Prefieres que lo montemos por ti?
En NovaChat IA construimos agentes de voz, chatbots y automatizaciones para pymes. Tú lo usas, nosotros lo mantenemos.