工具集

把 PDF、Word、Excel、PPT、HTML、图片、音频等文件转成保留标题、列表与表格结构的 Markdown，供大模型读取与分析。微软官方维护，需要 Python 3.10 以上。

GitHub 官方命令行：在终端里管理 PR、Issue、Release 与 Actions 工作流，多数命令支持 --json 输出便于 agent 解析，并提供官方 agent skill。需先 gh auth login 登录。

进程内分析型 SQL 数据库，命令行可直接用 SQL 查询 CSV、Parquet、JSON 文件，无需导入或启动服务，适合 agent 抽样与聚合大文件。官方维护。

Nous Research 出品的自我改进型 Agent：内置记忆与从经验中自动生成技能的学习循环，可接任意模型供应商；hermes 命令提供终端界面，也能经网关接入 Telegram、Slack 等渠道并定时执行任务。

支持上千个站点的音视频下载命令行工具，可选择格式与清晰度、下载字幕与元数据，并配合 FFmpeg 合并与转码；youtube-dl 的活跃分支。

Anthropic 官方终端编码 Agent：读懂代码库、修改代码、执行命令、处理 git 流程，支持插件、MCP 与无头模式（claude -p）。需要登录 Claude 账号或配置 API Key。

OpenAI 官方在本地运行的编码 Agent，Rust 实现，可读写代码、执行命令并在系统沙箱中运行；可用 ChatGPT 订阅登录，也可配置 API Key。

OpenAI 官方开源的通用语音识别模型，自带 whisper 命令，可多语种转写、把外语语音翻译成英文并输出字幕文件；需要 FFmpeg，有 GPU 时更快。

Google 官方开源终端 Agent，使用 Gemini 模型与 100 万 token 上下文，内置 Google 搜索、文件与 Shell 工具并支持 MCP；个人 Google 账号有免费额度。

高吞吐的大模型推理与服务引擎：vllm serve 一条命令启动兼容 OpenAI 与 Anthropic 接口的服务，支持 Hugging Face 上 200 多种模型架构、量化与分布式推理。主要面向 NVIDIA、AMD 等 GPU 环境。

百度飞桨官方的 OCR 与文档解析工具：paddleocr 命令可识别图片文字，并把 PDF、扫描件解析成 Markdown 或 JSON，支持中文等 100 多种语言，模型可在本地运行。

Astral 出品的 Python 包与项目管理器，用 Rust 编写、速度极快，可替代 pip、pipx、poetry、pyenv 等；支持锁文件与多版本 Python，uvx 可免安装直接运行 Python 工具。

自适应网页抓取框架：scrapling extract 一条命令即可把网页抓成 Markdown、纯文本或 HTML，支持 CSS 选择器与浏览器渲染动态页面，另有 MCP 服务（需装 ai 扩展）。需 Python 3.10+，首次使用需安装浏览器。

开源的 LLM 友好网页爬虫，把网页转成干净的 Markdown 供 RAG 与 agent 使用；自带 crwl 命令行，支持深度爬取与按问题抽取数据（抽取需配置大模型 Key）。可免费自托管。

在命令输出进入 agent 上下文之前做过滤和压缩的 Rust 命令行代理，覆盖 git、测试、grep、ls 等上百种命令，最多可减少约 90% 的 bash 输出；通过钩子自动改写 Claude Code、Codex 等 agent 执行的命令。

通用命令行模糊查找器，可对文件列表、命令历史、进程等任意文本输入做模糊筛选；除交互界面外还有 --filter 非交互过滤模式，并提供 Shell 快捷键与补全集成。

OpenDataLab 出品的文档解析工具，把 PDF、图片与 Office 文档转成 Markdown 或 JSON，擅长表格、公式与复杂版面，支持 agent 按页续读与引用定位。默认本地解析，需要 Python 3.10 以上。

经典开源 OCR 引擎与命令行工具，识别图片中的文字并输出纯文本、hOCR、可搜索 PDF 或 TSV，支持 100 多种语言；中文等语言需安装对应的语言数据。

在本地用 Docker 运行 GitHub Actions 工作流，改完 .github/workflows 不必反复提交推送就能验证 CI，也能把工作流当作本地任务运行器。需要本机安装 Docker。

无代理的 IT 自动化工具：通过 SSH 用 playbook 批量完成配置管理、应用部署、云资源编排与临时命令执行，无需在目标机安装客户端。Red Hat 主导维护。

Cline 官方命令行版，与 VS Code 插件共用 Agent 核心，支持 plan/act 模式、MCP、检查点与子代理；--yolo、--json 可无人值守跑在 CI 与脚本里。可登录 Cline、ChatGPT 订阅或自带 API Key。

按正则递归搜索目录内容的高速文本搜索工具（命令名 rg），默认遵守 .gitignore 并自动跳过隐藏文件与二进制文件，支持按文件类型过滤，是编码 agent 检索代码库的常用命令。

解析 PDF、DOCX、PPTX、XLSX、HTML、图片与音频等格式，还原版面、阅读顺序、表格与公式，导出 Markdown、HTML 或无损 JSON。IBM Research 发起，现由 LF AI & Data 基金会托管，可完全本地运行。

用 HTML、CSS 与可逐帧定位的动画写视频，命令行预览并渲染成确定性的 MP4；附带产品发布视频、字幕、口播重剪等 agent 技能。HeyGen 官方维护，需要 Node.js 22+ 与 FFmpeg。