工具集

微软官方出品：把 PDF、Word、Excel、PPT、HTML 等文件或网址转换为 Markdown，便于 agent 阅读与检索；只有一个 convert_to_markdown 工具，支持 STDIO 与本地 HTTP。

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。

Anthropic 官方文档技能包，也是 Claude 文件能力背后的实现：创建、编辑和分析 Word、Excel、PowerPoint 与 PDF，支持修订批注、公式和表单填写。源码公开，但不是开源许可。

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。

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。

飞桨 PaddleOCR 官方 MCP：对图片和 PDF 做文字识别与版面解析（PP-OCR、PP-StructureV3、PaddleOCR-VL），输出文本或 Markdown；可本地推理，也可调用官方 API、千帆或自建服务。

在本地 AI 编码 CLI 里运行的求职系统：扫描招聘门户，给岗位出 A-H 结构化评估与 1–5 分并识别虚假岗位，定制 ATS 简历与求职信、跟踪投递，从不代你提交。需要 Node.js。

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。

新一代标记式排版系统，可替代 LaTeX 撰写论文、报告与简历；增量编译速度快，一条 typst compile 命令即可输出 PDF，watch 模式可自动重新编译。

把 PDF、图片、PPTX、DOCX、XLSX、EPUB 等文档转换为 Markdown、JSON 或 HTML，能还原表格、公式与版面结构，可选接入大模型提升精度。需 Python 3.10+ 与 PyTorch；模型权重大规模商用需付费授权。

开源电子书管理软件，自带 ebook-convert、ebook-meta、calibredb 等命令行工具，可在 EPUB、MOBI、AZW3、PDF、DOCX 等格式间批量转换并管理书库元数据。安装命令仅适用于 Linux，macOS 与 Windows 需下载安装包。

Firecrawl 出品，在本地把 Word、PPT、Excel、PDF、EPUB、RTF 等文档毫秒级转成干净的 Markdown，保留标题、表格、脚注与公式，方便 agent 读合同、讲义、报表等附件。需安装 Node.js；扫描件可选用 Firecrawl 云端 OCR（会上传整份文件）。

AI2 出品的 PDF 与扫描件转 Markdown 工具，基于视觉大模型，能处理公式、表格、手写和多栏排版，适合批量数字化论文和档案。本地运行需 12GB 显存以上的 NVIDIA 显卡；没有显卡可接入兼容 OpenAI 接口的远程推理服务（需 API Key，按量付费）。

tw93 出品的文档排版技能：内置简历、一页纸、长文档、正式信件、作品集、幻灯片、研报等八套模板，把内容排成好看的 PDF、PNG 或可编辑 PPT，并自动检查版式与内容缺漏，支持中英日韩。渲染依赖本机 Python（WeasyPrint）；中文默认字体仅限个人免费使用，商用需另购授权。

面向 AI 搜索的网站优化技能：检查网站能否被 ChatGPT、Perplexity、Google AI 概览等引用，覆盖 AI 爬虫访问、llms.txt、结构化数据、内容 E-E-A-T 与传统技术 SEO，并生成给客户的报告。PDF 报告与评分脚本需改用 README 的一键安装脚本安装，要求本机 Python 3.8+ 与 Git。

精确读取电子版 PDF 中每个字符、线条和表格框的位置：命令行可导出保留版面的文字或 CSV / JSON 明细，Python 接口还能抽取表格和表单字段，适合从发票、对账单、报表里取数。需 Python 环境，本地运行；不适合扫描件，需先 OCR。

开源的 NotebookLM 播客功能替代品，把网页、PDF、图片、YouTube 视频或文字转成两人对话式播客音频，适合老师把讲义、作者把文章做成音频节目。默认需要 Gemini 与 OpenAI API Key，也可用本地模型加免费的 Edge 语音。

自包含的现代 TeX/LaTeX 引擎（基于 XeTeX 与 TeX Live），首次编译时自动下载并缓存所需支持文件，一条命令把 .tex 编译成 PDF，无需安装完整 TeX 发行版。

从 PDF 中抽取表格的开源工具，自带 camelot 命令行，可把财报、银行对账单、统计报表里的表格导出为 Excel、CSV 或 Markdown，并给出识别准确度。需要 Python 3.10+；默认只处理能选中文字的 PDF，扫描件需另装 ml 与 ocr 扩展；结果建议人工核对。

把 PDF、Word、Excel、PPT、图片、音频、网页和 YouTube 字幕转成 Markdown，方便 agent 阅读和引用。基于微软 MarkItDown；Docker 镜像不含音频转写和图片识别，完整功能需要本地构建。

统一检索 arXiv、PubMed、bioRxiv、Semantic Scholar、OpenAlex 等 20 多个学术源，去重后返回标准化结果，并优先通过开放获取渠道下载、读取论文全文。多数来源无需 API Key。

整本书翻译技能：把 PDF、DOCX、EPUB 切块后交给并行子代理翻译，支持术语一致、断点续跑与哈希校验，输出 HTML、DOCX、EPUB、PDF。需要 Calibre、Pandoc 与 Python。

基于开源 Kokoro 模型的本地语音合成命令行工具，能把 TXT、EPUB、PDF 按章节批量转成 MP3 或 WAV，支持中文、音色混合和调速，适合老师做听力材料、把讲义转成有声版。需要 Python 3.11–3.12，并先下载两个模型文件。

按研究兴趣每天从 arXiv 与 Semantic Scholar 推荐论文，精读后生成带插图的 Obsidian 笔记和论文关系图谱，也能检索 CVPR、NeurIPS 等顶会论文。需安装 Python 3 与 Obsidian，设置笔记库路径并填写研究兴趣配置；配套网页版另需 Anthropic API Key。