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。

保留公式、图表与排版的 PDF 论文全文翻译工具（命令 pdf2zh），输出单语与双语对照 PDF；默认使用谷歌翻译，可切换 DeepL、OpenAI 等服务，也能以 MCP 模式运行。

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。

本地运行的求职工作台：评估岗位匹配度并识别虚假岗位，生成定制简历与求职信 PDF，跟踪投递进度，从不代为投递。需先运行 npx @santifer/career-ops init，再在生成的目录里打开 Claude Code 或 Codex。

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。

CLI-Anything 里的 MuseScore 4 命令行封装：让 agent 给乐谱转调、提取分谱、增删乐器、查看乐谱信息，并导出 PDF、MIDI、MusicXML、MP3、盲文谱等格式，适合音乐老师批量准备教学乐谱。需先安装 MuseScore 4 桌面软件与 Python 3.10+。

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。

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。

开源简历编辑器 Reactive Resume 的官方远程 MCP：agent 可起草修改简历与求职信、导出 PDF、记录投递进度；按岗位描述打分和定制简历需先在应用里配置 AI 服务。需在 rxresu.me 注册免费账号（OAuth 或 API Key），也可接自托管实例。

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。

把技术书、文档目录或论文集（PDF、EPUB、DOCX、Markdown 等）提炼成 agent 技能：核心框架、按需加载的章节文件、术语表与速查表，工作中随时调用查阅。抽取脚本需本机 Python，PDF 可选装 poppler 或 docling。

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）。

用 YAML 编写简历，命令行渲染成排版规范的 PDF：多套主题，页边距、配色、字体可细调，字段严格校验并支持多语言；另提供配套 agent skill。需要 Python 3.12+。

MiniMax 官方技能包插件，提供前端、全栈、Android、iOS、Flutter、React Native 与 GLSL 着色器开发指南，另含 PDF / PPT / Excel / Word 文档与图像、视频、音乐生成技能。多媒体技能需要 MiniMax API Key，项目仍处于 Beta。

面向科研论文的 PDF 翻译命令行，尽量保留公式与版式，输出双语对照或纯译文 PDF。需配置 OpenAI 兼容接口（也可接本地 Ollama），目前以英译中为主。

用 HTML 与 CSS 排版并导出 PDF 的渲染引擎，支持分页等打印样式标准，适合批量生成统计报告、发票与票据。Python 实现，依赖系统的 Pango 库。

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。