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。

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。

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。

K-Dense 维护的 166 个科研技能合集（原 Claude Scientific Skills）：覆盖生物信息、化学信息、临床研究、材料与物理等领域，含统一查询 PubChem、UniProt 等 78 个公共数据库的技能。

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。

MCP 官方参考服务器：抓取网页并转成 Markdown 供模型阅读，支持从指定位置分段读取长页面。零配置，但能访问内网地址，使用时注意安全。

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。

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。

教 agent 用 Scanpy 完成单细胞 RNA-seq 标准分析：质控、归一化、PCA/UMAP 降维、聚类、差异表达与可视化，附可直接运行的流程脚本，并指导把 Seurat 等 R 对象转成 h5ad。需 Python 3.12+，K-Dense 维护。

引导 agent 为科研数据选对统计方法：t 检验、方差分析、卡方、回归与贝叶斯分析，检查前提假设、计算效应量与统计功效，并按 APA 格式写出结果。基于 Python（pingouin、statsmodels），K-Dense 维护。

微软开源的 AI 量化投资研究平台，qrun 命令按 YAML 配置一键完成数据集构建、模型训练、回测与评估，附带大量基准模型。官方数据集暂时停止提供，需先按 README 准备行情数据。

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。

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。

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。

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。

非官方 Python 库与 CLI，让 agent 操控 Google NotebookLM（现更名 Gemini Notebook）：批量导入资料、基于来源带引用问答，生成播客、视频、幻灯片、测验与闪卡并批量下载，自带 agent skill。依赖未公开接口，需登录 Google 账号。

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+。

像 Git 管代码一样管理数据集和模型的版本：数据存放在 S3、GCS 等远端存储，版本信息记在 Git 仓库里。还提供可复现的流水线和本地实验追踪，改动后只重跑受影响的步骤。

字节跳动开源的通用软件工程 Agent，trae-cli 用自然语言驱动改文件、跑命令，支持多家模型与 MCP，并记录完整执行轨迹；架构透明，适合研究与二次开发 agent。需自备模型 API Key。

把 SQLite 数据库发布成可以浏览、可以查询的网页和 JSON API，支持 SQL 查询、元数据和插件扩展，也能用 datasette publish 部署到 Cloud Run 等平台。适合数据探索和数据新闻，需要 Python 3.10 及以上版本。

Hugging Face 官方技能合集：用 hf CLI 管理 Hub 上的模型与数据集，微调语言与视觉模型、跑模型评测，搭建 Gradio 应用并部署到 Spaces。需 HF 账号，云端训练（HF Jobs）需付费计划。

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。

对论文 PDF、文本与 Office 文档做高精度检索增强问答，自动补全引用元数据并检查撤稿，答案附可追溯出处；提供 pqa 命令行与 Python 库。默认需要大模型 API Key，也可配置本地模型。