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。

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。

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。

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。

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。

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。

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。

模拟对冲基金的多 Agent 系统：巴菲特、芒格等投资风格 Agent 与量化、风控模块共同分析个股并可回测，适合金融课堂演示与学习投资框架。首次运行时填入 Financial Datasets 与模型 API Key；不做真实交易，结论需专业人员复核。

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。

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 CLI-Anything 项目为 QGIS 做的命令行封装：新建和编辑 .qgz 工程、创建 GeoPackage 图层并录入要素、制作打印版面并导出 PDF 或图片，调用 QGIS 自带处理算法，结果以 JSON 返回。需先装 QGIS 桌面版，并用能导入 PyQGIS 的 Python 安装。

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 Markdown 写幻灯片，内置代码高亮、LaTeX 公式与 Mermaid 图，slidev export 可导出 PDF、PPTX 或 PNG。导出前需在项目中安装 playwright-chromium。

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。

通用文档格式转换器，在 Markdown、Word、HTML、LaTeX、EPUB 等几十种格式之间互转，支持模板、引文与 Lua 过滤器。默认借助 LaTeX 生成 PDF，需另行安装。

把总结要点、提炼观点、改写润色等常用提示词做成可复用的 pattern，用管道命令调用多家模型或本地 Ollama 处理文本、网页与 YouTube 字幕，也可作为 REST API 服务运行；首次使用需运行 fabric --setup 配置模型。

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。

港大 HKUDS 开源的个性化辅导系统：导入教材建知识库后答疑、分步解题、出题测验，适合教师备课出题与学生自学；deeptutor 命令可输出 JSON 供 Claude Code 等调用。需要 Python 3.11+、Node.js 20+ 和大模型 API Key。

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。

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。

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。

专为 AI agent 设计的 Office 命令行工具：单文件二进制，无需安装 Office 即可创建、读取和编辑 Word、Excel、PPT，并能渲染成 HTML 或 PNG 供 agent 检查排版效果。

金融研究终端 Agent（金融研究版 Claude Code）：把公司研究问题拆成步骤，自动拉取财报与行情数据并自我校验后作答。需安装 Bun，准备模型 API Key 与 Financial Datasets API Key；仅供学习研究，结论需专业人员复核。