工具集

声明式图表脚本语言：用简洁文本描述架构图、流程图、时序图并自动布局，d2 命令可渲染并导出 SVG、PNG、PDF 或 PPTX，便于 agent 生成可版本管理的图。

开源的 Zapier 替代品，内置 MCP 服务：agent 可用自然语言搭建和测试自动化流程、管理数据表，或直接调用邮件、表格、即时通讯等数百个应用。需先用官方云服务或自行部署，在设置里开启 MCP Server 并复制地址，OAuth 登录后连接；各应用账号要先在其网页界面里授权。

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。

为 Claude Code 注入结构化开发流程：30 个 /sc 斜杠命令覆盖头脑风暴、实现、测试、排障与调研，配 20 个领域专家子代理和 7 种行为模式，可选接入 Context7 等 MCP。目前通过 pipx 安装，插件市场版仍在开发。

社区维护的现代 ls 替代品（exa 的后继），支持彩色输出、树形视图、Git 状态与文件图标，可按 .gitignore 过滤，便于快速浏览目录结构。

Google 官方技能库兼插件市场：近 150 个以 Google Cloud 为主的技能（GKE、BigQuery、Cloud Run、IAM 等），另提供 Cloud SQL、Spanner、AlloyDB、BigQuery、GCS 等 17 个「技能加 MCP」产品插件。

用 bq 与 gcloud 命令行管理 BigQuery 的数据集、表与作业，运行 SQL 查询并导入数据，附客户端库、MCP 与 Terraform 参考。Google 官方技能，需要 Google Cloud 项目。

Google 官方技能库，以 Google Cloud 为主：gcloud、Cloud Run、GKE、BigQuery、IAM、监控与日志、架构完善框架等上百个技能，另含 Ads 与 Analytics。

Google 官方 GKE 基础技能：集群创建、Autopilot 与 Standard 选型、获取 kubectl 凭据、配置 Workload Identity 与部署工作负载，并列出常见坑。需要 gcloud 与 GCP 项目。

加密 YAML、JSON、ENV、INI 等配置文件中的密钥值，支持 AWS / GCP / Azure KMS、age 与 PGP，让密钥可以安全地和代码一起存进 Git。CNCF 沙箱项目。

Firecrawl 出品，在本地把 Word、PPT、Excel、PDF、EPUB、RTF 等文档毫秒级转成干净的 Markdown，保留标题、表格、脚注与公式，方便 agent 读合同、讲义、报表等附件。需安装 Node.js；扫描件可选用 Firecrawl 云端 OCR（会上传整份文件）。

Skyvern 官方 MCP：用视觉大模型驱动浏览器完成填表、下载文件、网页调研等多步任务。可直连 Skyvern Cloud（OAuth 登录或 API Key），也可自托管 Skyvern 后以本地进程运行。

让 agent 查询 n8n 两千多个节点的文档、属性与工作流模板，并搭建、校验工作流；配置 n8n API Key 后可直接创建和更新实例中的工作流。

基于 Whisper 的离线语音转写与翻译工具，录音不出本机，用 buzz add 命令把讲座、访谈、会议录音导出为 TXT、SRT、VTT，适合老师整理课堂录音、律师整理会见记录。pip 安装需 Python 3.12 和 FFmpeg，另有桌面版；转写结果需人工核对。

在本机持续记录屏幕与音频，提取界面文字并做语音转写，agent 可以检索你看过的网页、文档和开过的会，按时间汇总当天工作与对话，录制数据默认存在本机。需先安装并运行 screenpipe：源码版限个人非商业免费使用，桌面版按月订阅。

把一组 Markdown 章节编译成带目录、全文搜索和主题切换的在线书籍，适合写作者连载手册、老师整理讲义和课程教材；agent 可直接改章节文件再构建预览。Rust 官方团队维护，可下载预编译程序，或装好 Rust 工具链后用 cargo 安装。

用 .tape 脚本描述终端操作，自动录制成 GIF、MP4 或 WebM，适合制作 CLI 演示和文档素材；输出文本快照还能做终端集成测试。Charm 出品，依赖 ttyd 与 ffmpeg。

FunASR 项目官方 MCP：用 SenseVoice 模型在本地把音频文件转写成文字，支持普通话、粤语、英语、日语、韩语，可附分段时间戳。本地推理无需 API Key，音频不出本机，提供 Docker 镜像。

阿里 ModelScope 开源的工业级语音识别工具包，自带面向 agent 的 funasr 命令：一条命令把音频转成文本、JSON 或 SRT 字幕，支持说话人分离与时间戳，中文识别效果好。需先安装 PyTorch。

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。

用大厂 PUA / PIP 话术给 agent 施压，配合结构化排障步骤与主动性检查，逼它失败后换思路、完成前出示证据；有常驻、鼓励、P9 带队等模式。支持 Claude Code、Codex 等多款工具。

AI2 出品的 PDF 与扫描件转 Markdown 工具，基于视觉大模型，能处理公式、表格、手写和多栏排版，适合批量数字化论文和档案。本地运行需 12GB 显存以上的 NVIDIA 显卡；没有显卡可接入兼容 OpenAI 接口的远程推理服务（需 API Key，按量付费）。

从本地日志统计 Claude Code、Codex、Gemini CLI 等编码 agent 的 token 用量与费用，按日、周、月或会话出报表，还能查看 Claude Code 的 5 小时计费窗口。

用纯文本文件定义并运行 HTTP 请求链，可捕获变量，对状态码、响应头与 JSONPath / XPath 结果做断言，既能取数也能做接口测试并接入 CI。Orange 开源。