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。

引导 agent 从零编写或改进 Skill：梳理意图、撰写 SKILL.md、跑有无技能的对照评测并打分，再优化描述以提高触发准确率。Anthropic 官方技能。

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。

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。

用本地知识图谱（实体、关系、观察）为 agent 保存跨会话的长期记忆，数据落在本地 JSONL 文件，可随时查询与增删。MCP 官方参考实现。

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。

把当前文件夹变成可跨多次对话续学的教学工作区：先问清学习目的，再收集可靠资料，生成简短的 HTML 小课和速查表并记录学习进度，适合自学和备课；需要手动调用（如在 Claude Code 里输入 /teach），无需 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。

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。

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。

在给出建议、草稿或数据分析后追加 2–3 个针对性追问，引导用户核查关键事实、推敲推理并补足缺失背景，每次对话最多触发一次。Anthropic 官方技能。

指导 agent 构建高质量 MCP 服务器：调研协议与目标 API、设计工具、用 Python（FastMCP）或 TypeScript SDK 实现，并编写评测问题验证效果。Anthropic 官方技能。

Claude API 与 Anthropic SDK 参考：模型选择与定价、流式输出、工具调用、提示缓存、Managed Agents 等，并提供模型迁移与提示词审计流程。Anthropic 官方技能。

prompts.chat 提示词库的官方 Claude Code 插件：在编码助手里搜索提示词与 Agent Skills、填充变量、用 AI 优化提示词，内置命令、子代理与远程 MCP；保存自己的提示词需 API Key。

开发 Claude Code 插件的工具包：7 个技能覆盖插件结构、钩子、MCP 集成、命令、子代理与技能编写，附八阶段引导式创建命令，以及代理生成、插件校验、技能评审三个子代理。Anthropic 官方维护。

用 /new-sdk-app 交互式搭建 Claude Agent SDK 项目（Python 或 TypeScript），再由校验代理按官方最佳实践检查依赖、配置与代码。Anthropic 官方维护。

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。

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。

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。

提供 sequential_thinking 工具，引导模型把复杂问题拆成可修正、可分支的思考步骤，适合规划、分析与需要反复推敲的任务。MCP 官方参考实现。