工具集

魔搭社区官方的大模型与多模态模型训练框架，swift 命令覆盖预训练、微调、强化学习、推理、评测、量化与部署，支持 600 多种文本模型与 400 多种多模态模型及 Megatron 并行训练，另有 Web UI。训练通常需要 GPU。

像 Git 管代码一样管理数据集和模型的版本：数据存放在 S3、GCS 等远端存储，版本信息记在 Git 仓库里。还提供可复现的流水线和本地实验追踪，改动后只重跑受影响的步骤。

把整个网页连同 CSS、图片、字体与脚本内嵌打包成单个 HTML 文件，离线也能原样打开，适合网页存档或交给 agent 离线分析。自身不执行 JavaScript，动态页面需先用无头浏览器预渲染。

开源零样本语音合成，提供 f5-tts_infer-cli 命令行，给几秒参考录音就能用相同音色朗读中英文，适合给课件、视频配音。需要 Python、PyTorch 和 FFmpeg，最好有 GPU；预训练模型仅限非商业使用，克隆他人声音须经本人同意。

为指定 AI 工具写出精准提示词：先识别目标工具、提取意图，信息不足时最多追问 3 个问题，再输出可直接粘贴的精简提示词，覆盖 ChatGPT、Claude Code、Cursor、Midjourney、Sora 等数十种工具。

把文档站、GitHub 仓库、PDF、视频等 18 类来源整理成 Claude 等平台可用的技能包，也能导出为 RAG 分块与向量库数据；可选装 MCP 服务器，并能调用本地 Claude Code 等 agent 做内容增强。需要 Python 3.10+。

让 agent 调用 Apify Store 上数千个现成的爬虫与自动化 Actor，抓取社媒、搜索引擎、地图、电商等网站的数据。Apify 官方维护，需要 Apify 账号（OAuth）或 API Token。

面向 AI 研究的技能插件市场，近百个技能分 23 类，覆盖选题构思、微调与后训练、分布式训练、推理部署、评测到论文写作，由 autoresearch 技能统筹全流程。

覆盖 AI 研究全流程的近百个技能：选题与文献调研、微调与后训练、分布式训练、推理部署、评测、可解释性与论文写作，并由 autoresearch 编排技能串起整个研究流程。

数仓建模与 ELT 转换的命令行框架：用 SQL 编写模型，自动处理依赖、数据测试与文档生成。v2 用 Rust 重写为单一二进制，dbt Labs 官方维护，需配置数据仓库连接。

MiniMax 官方 Excel 技能：读取分析、新建、修改和校验 xlsx 表格，修复出错的公式。改已有文件时直接编辑底层结构，保留原有格式、公式与透视表；计算结果都写成公式，并按财务建模惯例用颜色区分输入值和公式，适合做预算表和财务模型。需要本地 Python（pandas），另装 LibreOffice 可重算公式。

带智能补全与语法高亮的 PostgreSQL 命令行客户端，兼容 psql 的环境变量，支持用 -c 执行语句后退出，便于 agent 非交互地查询数据库。

Simon Willison 开发的大模型命令行与 Python 库：在终端调用 OpenAI、Claude、Gemini 及本地模型，对话自动记入 SQLite，支持嵌入、结构化抽取与工具调用，可用插件扩展。

字节跳动开源的通用软件工程 Agent，trae-cli 用自然语言驱动改文件、跑命令，支持多家模型与 MCP，并记录完整执行轨迹；架构透明，适合研究与二次开发 agent。需自备模型 API Key。

连接 Arize Phoenix 可观测平台，让 agent 查询 LLM 调用追踪与会话、管理提示词、浏览数据集并读取实验评测结果。Arize 官方维护，需要自建或云端的 Phoenix 实例。

带智能补全与语法高亮的 MySQL 终端客户端，兼容 MariaDB、TiDB 等；支持 --execute 与批处理模式，可按 CSV 或表格格式输出查询结果，便于 agent 直接执行 SQL。

用 Presidio Analyzer 扫描文件与目录中的个人敏感信息（姓名、邮箱、信用卡号等），可配置实体类型、置信度阈值与忽略规则。需要 Python 3.10+ 与 spaCy 语言模型。

把 SQLite 数据库发布成可以浏览、可以查询的网页和 JSON API，支持 SQL 查询、元数据和插件扩展，也能用 datasette publish 部署到 Cloud Run 等平台。适合数据探索和数据新闻，需要 Python 3.10 及以上版本。

让 agent 写代码获取 A 股及相关市场数据：行情 K 线、研报、资金流、龙虎榜、公告、宏观利率、期货与可转债等，整合 34 个公开数据源，除 iwencai 外无需密钥；需要安装 Python 依赖。

让 agent 通过 hf CLI 操作 Hugging Face Hub：检索下载模型与数据集、管理仓库和 Space、在云端 GPU 上跑训练与评测任务，其余工作流技能可按需安装。Hugging Face 官方维护。

让 agent 在 Hugging Face Jobs 云 GPU 上用 TRL 或 Unsloth 微调语言与视觉模型，支持 SFT、DPO、GRPO 与奖励模型，并可转成 GGUF 本地运行。需要 HF Pro 及以上付费计划。Hugging Face 官方维护。

Hugging Face 官方技能合集：用 hf CLI 管理 Hub 上的模型与数据集，微调语言与视觉模型、跑模型评测，搭建 Gradio 应用并部署到 Spaces。需 HF 账号，云端训练（HF Jobs）需付费计划。

教 agent 使用 Hugging Face Hub 命令行 hf：搜索与下载模型、管理数据集、Spaces、Buckets 与仓库，运行 Jobs 与推理端点。技能内容由本地 CLI 生成，需先安装 hf。Hugging Face 官方维护。

MCP 官方调试工具：通过网页、命令行或终端界面连接任意 MCP 服务器，列出并调用其工具、资源与提示词；CLI 模式可输出 JSON，适合脚本与 CI 冒烟测试。