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。

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。

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。

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。

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。

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。

OpenBB 开源投资研究平台的命令行版，在终端查询股票行情、财报、宏观经济等金融数据，可用 Routine 脚本批量自动取数。官方维护，部分数据源需自备 API Key。

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。

音视频转码、剪辑、拼接、抽帧与推流的命令行工具集，含 ffmpeg、ffprobe、ffplay，是 agent 处理媒体文件的基础依赖。GitHub 仓库为官方镜像。

用 React 编写视频，并通过 npx remotion render 在命令行渲染输出，适合 agent 批量生成数据驱动的视频。个人、非营利组织与 3 人以内的公司可免费使用，规模更大的营利公司需购买授权。

「面向云存储的 rsync」：在 S3、Google Drive、OneDrive、阿里云 OSS 等数十种云存储之间同步、复制文件，支持加密与挂载。使用前需用 rclone config 配置远端存储。

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+。

OpenAI Whisper 语音识别模型的 C/C++ 实现，在本地离线转写音频并输出字幕，CPU 即可运行，支持 Apple Silicon 与多种 GPU 加速；需先下载 ggml 格式模型。

港大数据智能实验室（HKUDS）出品：通过 Claude Code、Codex 等 agent 的插件或技能，为 GIMP、Blender、LibreOffice 等软件生成 agent 可调用的命令行；配套的 CLI-Hub 包管理器（cli-hub）可检索、安装社区现成的 CLI。需要 Python 3.10+。

轻量的多协议命令行下载工具，可从多个来源分段并行下载，支持 HTTP(S)、FTP、SFTP、BitTorrent 与 Metalink，能断点续传、从文本文件批量读取链接，并提供 JSON-RPC 接口供脚本或 agent 远程管理下载任务。

用 Python 代码制作数学与讲解类动画的引擎（社区版 ManimCE）：写好场景后用 manim 命令渲染成视频，适合让 agent 生成教学、科普动画。macOS 需先装 cairo 与 pkg-config，渲染公式需 LaTeX。

以结构化数据为核心的跨平台 shell：管道里传的是表格而不是纯文本，可以直接打开并查询 JSON、CSV、TOML 等文件；默认构建自带 nu --mcp 模式，可作为 MCP 服务给 agent 调用。

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。

用 Zig 从零编写、面向 AI agent 与自动化的无头浏览器，官方基准显示比无头 Chrome 更省内存、更快；fetch 命令可把网页直接转成 Markdown，也能作为 CDP 或 MCP 服务运行。默认开启遥测（可用环境变量关闭），Windows 需经 WSL。