工具集

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。

让 agent 在 Blender 中建模、布置场景、调整材质并执行 Python 代码，可导入 Poly Haven、Sketchfab 资产与 AI 生成的 3D 模型。需安装 uv 与配套 Blender 插件。

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。

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。

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+。

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+。

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。

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。

一条命令去除图片背景：支持单张、整个文件夹批处理和监听目录，可只输出蒙版、切换 U2Net、SAM 等模型，也能启动 HTTP 服务或配合 FFmpeg 处理视频帧。默认模型在本地推理。

基于 faster-whisper 的快速语音转写，提供词级时间戳与说话人分离，适合会议纪要与字幕制作；说话人分离需 Hugging Face Token，GPU 加速需 CUDA。

阿里 ModelScope 开源的工业级语音识别工具包，自带面向 agent 的 funasr 命令：一条命令把音频转成文本、JSON 或 SRT 字幕，支持说话人分离与时间戳，中文识别效果好。需先安装 PyTorch。

从众多图片站与社交平台批量下载图集和作品的命令行工具，文件命名与配置灵活，可调用 yt-dlp 下载视频。主开发已迁至 Codeberg，GitHub 仓库仍同步更新。

把 nmap、sqlmap、nuclei 等 150 多种安全工具封装给 agent 调度，覆盖网络侦察、Web 渗透、二进制分析与 CTF。需先克隆仓库、自行安装各安全工具并启动本地服务，仅用于已授权的测试。

让 agent 在 IDA Pro 中反编译、反汇编、查交叉引用，并重命名变量、修改类型、添加注释，支持 idalib 无界面模式。需要 IDA Pro 8.3 以上（不支持 IDA Free）；作者现推荐改用 Hex-Rays 官方 IDA MCP。

调用微软 Edge 在线语音合成把文本转成语音，并可同时生成字幕文件，无需 API Key，支持中文等多语种音色。非微软官方项目，依赖该在线服务的可用性。

把 Twitch、YouTube、B 站、抖音、虎牙、斗鱼等平台的直播流交给本地播放器观看，或用 --output / --record 直接保存成视频文件，便于留存自家或合作方的直播回放、做二次剪辑。macOS 可用 Homebrew 安装，观看需另装 VLC 等播放器；请只录制有权使用的内容。

用 Presidio Analyzer 扫描文件与目录中的个人敏感信息（姓名、邮箱、信用卡号等），可配置实体类型、置信度阈值与忽略规则。需要 Python 3.10+ 与 spaCy 语言模型。

让 agent 写代码获取 A 股及相关市场数据：行情 K 线、研报、资金流、龙虎榜、公告、宏观利率、期货与可转债等，整合 34 个公开数据源，除 iwencai 外无需密钥；需要安装 Python 依赖。

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。

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。

在 Apple Silicon Mac 上离线运行的语音工具：命令行把文字合成语音（支持中文与声音克隆）、把录音转写成文字，可为课件和讲解视频配音、整理讲座与访谈录音，数据不出本机。需要 M 系列芯片 Mac 与 Python 3.10+，导出 MP3 需装 ffmpeg，首次运行会下载模型。

用 AI 一条命令去除图片和视频的背景：支持整个文件夹批处理、人像专用模型、边缘精修和换纯色底，视频可输出透明底 MOV 或叠加到新背景上，适合处理商品图、证件照和短视频素材。模型在本地运行，需先安装 PyTorch 与 ffmpeg，首次运行会自动下载模型。

为 Ghidra 提供 250 多个 MCP 工具：反编译、交叉引用、数据流分析、批量重命名与注释、P-code 模拟和实时调试，支持无界面模式。需要 Java 21 与 Ghidra 12.1，并先构建、部署插件。

用文本文件记录复式记账交易的记账语言与工具集：bean-check 校验账本、bean-format 统一格式，配合 Fava、beanquery 出报表与查询；账本是纯文本，便于 agent 生成和版本管理。