工具集
全部 Skill、MCP、CLI 与 Plugin。可以按类型、职业、标签筛选,也可以直接搜索。
职业:算法 / AI +2
共 23 项

PDF
Skill读取与提取 PDF 文本和表格,合并、拆分、旋转页面,加水印、填写表单,并能对扫描件做 OCR。驱动 Claude 文档能力的 Anthropic 官方技能,源码可见但非开源。
anthropics/skills197k
MinerU
CLIOpenDataLab 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。
opendatalab/MinerU83.9k
PaddleOCR
CLI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。
PaddlePaddle/PaddleOCR92.8k
PaddleOCR MCP Server
MCP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。
PaddlePaddle/PaddleOCR92.8k
Invoice Organizer
Skill读取杂乱的发票和收据(PDF、扫描件、截图),提取商家、日期、金额,按统一格式重命名并按供应商、类别或年份归档,保留原件,可汇总成 CSV 交给会计;需在 Claude Code 等能读写本地文件的 agent 里用,无需账号,税务结论需会计复核。
ComposioHQ/awesome-claude-skills79.8k
Tesseract OCR
CLI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。
tesseract-ocr/tesseract77.6k
Docling
CLI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。
docling-project/docling70.7k
Umi-OCR
CLI免费开源的离线 OCR 桌面软件,支持截图、批量图片、PDF 扫描件与二维码识别,可通过 umi-ocr 命令行或 HTTP 接口调用(命令行依赖软件内的本地 HTTP 服务,默认开启)。仅支持 Windows 与 Linux。
hiroi-sora/Umi-OCR48.8k
Marker
CLI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。
datalab-to/marker41k
AP Processor
SkillAnthropic 官方小微企业技能,帮老板或会计处理应付账单:从邮箱、PDF 或手机照片读出供应商、金额和到期日,去重、按科目编码、核对采购单后拟定付款计划;入账和付款各需一次确认,绝不自动付款。可接 QuickBooks、Xero、NetSuite,不接也能导出文件,结果需会计复核。
anthropics/knowledge-work-plugins36.5k
OCRmyPDF
CLI给扫描版 PDF 加上可搜索、可复制的文字层,可自动纠偏、旋转并优化体积,默认输出 PDF/A。基于 Tesseract,支持 100 多种语言,完全本地运行。
ocrmypdf/OCRmyPDF35.3k
olmOCR
CLIAI2 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)。
allenai/olmocr19.8k
Video-subtitle-extractor
CLI识别视频里烧录的硬字幕并生成 SRT 或 TXT 文件,OCR 全在本地完成,支持中英日韩等 87 种语言。以图形界面为主(可批量),命令行版 backend/main.py 从标准输入读取视频路径和字幕区域。需要 Python 3.12+ 与 PaddlePaddle,路径不能含中文和空格。
YaoFANGUK/video-subtitle-extractor9.7k
RapidOCR
CLI把 PaddleOCR 模型转成 ONNX 的轻量 OCR,默认识别中英文,纯 CPU 即可运行;命令行 rapidocr 能识别截图、拍照件和扫描页图片中的文字,适合把纸质材料、票据图片转成文本。需 Python 环境,首次运行联网下载模型,之后可离线使用;PDF 需先转成图片。
RapidAI/RapidOCR8.6k
Pix2Text
CLI把含数学公式、表格的图片或整份 PDF(含扫描件)识别成 Markdown 与 LaTeX,中英文效果好,支持 80 多种语言,适合教师把试卷、讲义数字化,学生整理笔记。开源的 Mathpix 替代品,在本机运行,需要 Python 环境。
breezedeus/Pix2Text3.3k
invoice2data
CLI从 PDF 发票中按 YAML/JSON 模板抽取开票方、金额、日期、票号等字段,导出 CSV、JSON 或 XML;内置多种文本抽取后端,支持扫描件 OCR 与可选的 AI 兜底。
invoice-x/invoice2data2.3k
anymd
MCP在本机把 PDF、Word、PPT、Excel、EPUB、网页和图片转成干净的 Markdown,保留页码锚点、表格与双栏阅读顺序,并能跨文件夹全文搜索,便于核对合同、卷宗与论文原文。原名 pdf-reader-mcp;文件不上传、无需 API Key,本机需 Node.js 18+,扫描件 OCR 需另装 tesseract。
SylphxAI/anymd1.1k
LaTeX Document Skill
Skill用自然语言描述就能得到排好版的 PDF:把手写笔记或扫描教材转成 LaTeX 讲义和速查表,出带答案的试卷,写论文、学位论文、学术海报、简历与信函,内置 27 个模板及图表、批量套打脚本。需安装 TeX Live 等依赖(附一键安装脚本)。
ndpvt-web/latex-document-skill836
Knowledge Absorber(知识吸收器)
Skill把网页、长 PDF、Word、图片或代码整理成导师式学习笔记,输出 Markdown 笔记和可搜索的 HTML 知识卡片,含概念拆解与思维导图,适合自学。需本机 Python 3.8+ 及依赖,部分网页要装 Chrome;可选的导师对话模式需自备 OpenAI 兼容 API Key。
YuJunZhiXue/StudyAnalysis-Skills665
shinkoku
Plugin日本确定申告(年度报税)插件,面向个体经营者和上班族:记账、识别票据、生成决算书、计算所得税与消费税,并用浏览器自动化代填国税厅申报页面。仅适用日本税制,需 Python 3.11+ 和 uv,代填需 Claude in Chrome 扩展或 Playwright;提交前需本人或税理士复核。
kazukinagata/shinkoku373
ImageSorcery MCP
MCP在本机处理图片的 MCP:裁剪、缩放、旋转、加文字与水印、打码、去背景,识别图中物体并用 OCR 提取文字,图片不上传任何服务器,适合整理照片、扫描件与课件配图。需 Python 3.10 与 pipx,首次安装会下载识别模型。
sunriseapps/imagesorcery-mcp340
MinerU Open MCP
MCPMinerU 官方 MCP:调用 mineru.net 云端接口把 PDF、Word、PPT 与图片解析为 Markdown,保留表格与公式;免 Key 的 Flash 模式可直接使用,配置 Token 可解锁更高额度与更多格式。
opendatalab/MinerU-Ecosystem230
Nutrient DWS MCP Server
MCPNutrient(原 PSPDFKit)官方 MCP:用自然语言合并 PDF、在 Office 与 PDF 间互转、OCR、加水印、涂黑脱敏个人信息、添加数字签名,并按字段提取发票、合同中的数据。文件会上传到 Nutrient 云端处理,需注册账号(可免费注册,按页消耗额度),本机需 Node.js。
PSPDFKit/nutrient-dws-mcp-server71