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。

开源浏览器 agent 项目，提供 browser-use 命令行，让 Claude Code、Codex 等 agent 用 Python 片段操控本机已登录的 Chrome，也可连接云端浏览器；同时提供 Python agent 库。云浏览器需 API Key。

Nous Research 出品的自我改进型 Agent：内置记忆与从经验中自动生成技能的学习循环，可接任意模型供应商；hermes 命令提供终端界面，也能经网关接入 Telegram、Slack 等渠道并定时执行任务。

在本机一条命令下载并运行 Gemma 等开源大模型，提供 REST API 与 Python / JS 库，还能用 ollama launch 让 Claude Code、Codex 等 agent 改用本地模型。

纯 C/C++ 实现的本地大模型推理引擎，自带命令行对话与 OpenAI 兼容的 HTTP 服务，可直接从 Hugging Face 拉取 GGUF 模型运行；支持 Apple Silicon、CUDA、Vulkan 等多种硬件与低比特量化。

极简、可扩展的终端 AI Agent：可让它自己编写提示词模板、技能、扩展与主题，支持 print / JSON / RPC 模式供脚本调用，并提供 TypeScript SDK。需要 Node.js 22.19+。

多智能体投研框架：基本面、情绪、新闻、技术分析师与多空研究员、交易员、风控分工辩论，对指定股票输出研报与评级，支持美股、港股与 A 股。需 Python 环境和任一大模型 API Key；不构成投资建议，结论需专业人员复核。

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。

微软官方的跨浏览器端到端测试框架：一套 API 驱动 Chromium、Firefox 与 WebKit，npx playwright test 并行隔离跑测，自带自动等待与 Trace 回放排查失败。

高吞吐的大模型推理与服务引擎：vllm serve 一条命令启动兼容 OpenAI 与 Anthropic 接口的服务，支持 Hugging Face 上 200 多种模型架构、量化与分布式推理。主要面向 NVIDIA、AMD 等 GPU 环境。

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。

原名 Claude Flow 的多 agent 编排框架：ruflo init 为 Claude Code 装上近百个专用子代理、蜂群协作、跨会话向量记忆与钩子，加 --codex 参数可改为配置 Codex；也可作为 MCP 服务或插件市场单独使用。

一站式大模型微调框架：用 llamafactory-cli 一条命令完成预训练、SFT、PPO/DPO 等偏好对齐与 LoRA/QLoRA 训练，以及推理对话、权重合并导出与 OpenAI 风格 API 部署，支持上百种开源模型，另有 Web UI。训练通常需要 GPU。

在本地用 Docker 运行 GitHub Actions 工作流，改完 .github/workflows 不必反复提交推送就能验证 CI，也能把工作流当作本地任务运行器。需要本机安装 Docker。

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。

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。

开源加密货币量化交易框架：命令行下载行情、回测策略、优化参数并以模拟盘运行，agent 可代跑策略迭代。推荐用 Docker 运行，初始化配置需按提示作答，写策略需懂 Python，实盘要交易所 API Key；回测不代表实际收益，交易决策需自行评估风险并请专业人士复核。

在本机运行的通用 AI Agent，提供桌面端、CLI 与 API，Rust 实现，可接入 15+ 家模型供应商并通过 MCP 连接 70+ 扩展；源自 Block，现属 Linux 基金会旗下 AAIF。

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。