# 工具集

> 全部已收录的资源，编辑推荐的排在前面。下面几种条件可以同时用。

- 可以搜索：在地址后加 `?q=<关键词>`，多个关键词用空格分隔，要同时命中。搜的是名称、仓库、标签、职业、简介与 README。
- 可以按类型过滤：在地址后加 `?type=<cli|skill|plugin|mcp>`。
- 可以按职业过滤：在地址后加 `?profession=<职业编号>`，多个用逗号分隔，资源适合其中任意一个即可。编号见 https://hebbmind.com/api/v1/professions
- 可以按标签过滤：在地址后加 `?tag=<标签>`，多个用逗号分隔，资源要同时带有这些标签。标签见 https://hebbmind.com/api/v1/tags

适合算法 / AI或数据分析的资源，带标签 `pdf`、`python`，共 10 项。

> - 算法 / AI：模型训练、评测与大模型应用开发。
> - 数据分析：取数、统计分析、报表与可视化。

- [MarkItDown-MCP](https://hebbmind.com/zh-TW/mcp/markitdown-mcp.md): [MCP] 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。
- [MarkItDown](https://hebbmind.com/zh-TW/cli/markitdown.md): [CLI] 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。
- [PaddleOCR MCP Server](https://hebbmind.com/zh-TW/mcp/paddlepaddle-mcp-server.md): [MCP] 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。
- [Docling](https://hebbmind.com/zh-TW/cli/docling.md): [CLI] 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。
- [Marker](https://hebbmind.com/zh-TW/cli/marker.md): [CLI] 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。
- [pdfplumber](https://hebbmind.com/zh-TW/cli/pdfplumber.md): [CLI] 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。
- [Camelot](https://hebbmind.com/zh-TW/cli/camelot.md): [CLI] 从 PDF 中抽取表格的开源工具，自带 camelot 命令行，可把财报、银行对账单、统计报表里的表格导出为 Excel、CSV 或 Markdown，并给出识别准确度。需要 Python 3.10+；默认只处理能选中文字的 PDF，扫描件需另装 ml 与 ocr 扩展；结果建议人工核对。
- [Paper Search MCP](https://hebbmind.com/zh-TW/mcp/paper-search-mcp.md): [MCP] 统一检索 arXiv、PubMed、bioRxiv、Semantic Scholar、OpenAlex 等 20 多个学术源，去重后返回标准化结果，并优先通过开放获取渠道下载、读取论文全文。多数来源无需 API Key。
- [Docling MCP](https://hebbmind.com/zh-TW/mcp/docling-mcp.md): [MCP] Docling 项目官方 MCP：把 PDF、Word、PPT 等文件转成结构化文档，识别版面与表格、对扫描件做 OCR，也能让 agent 逐段生成新文档并导出 Markdown。本地模式需 Python 与 uv，首次运行会下载版面识别模型；也可改连自建的 Docling Serve 服务。
- [MinerU Open MCP](https://hebbmind.com/zh-TW/mcp/opendatalab-mcp.md): [MCP] MinerU 官方 MCP：调用 mineru.net 云端接口把 PDF、Word、PPT 与图片解析为 Markdown，保留表格与公式；免 Key 的 Flash 模式可直接使用，配置 Token 可解锁更高额度与更多格式。