工具集

用 Zig 从零编写、面向 AI agent 与自动化的无头浏览器，官方基准显示比无头 Chrome 更省内存、更快；fetch 命令可把网页直接转成 Markdown，也能作为 CDP 或 MCP 服务运行。默认开启遥测（可用环境变量关闭），Windows 需经 WSL。

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。

字节跳动开源的多模态 Agent 命令行，可用视觉识别或 DOM 方式操作浏览器，并调用终端、文件与 MCP 工具完成任务，提供 Web UI 与无头服务模式。需 Node.js 22+ 与模型 API Key。

字节跳动开源（UI-TARS-desktop 仓库）的浏览器自动化 MCP 服务：基于 Puppeteer 的可访问性数据操作网页，可选视觉模式，支持本地 stdio 与远程 SSE / Streamable HTTP 两种运行方式。

当用户问「有没有做某事的技能」时，用 skills CLI 搜索 skills.sh 生态，推荐并安装合适的技能。Vercel Labs 维护，与 skills CLI 同仓库发布。

开放 Agent Skills 生态的包管理器：一条命令从 GitHub 等来源把技能安装到 Claude Code、Codex、Cursor 等数十种 agent，并支持搜索、更新与卸载。Vercel Labs 出品。

检测本机 CPU、内存与 GPU，按能否跑得动、速度、质量与上下文给开源大模型打分推荐，可对接 Ollama、llama.cpp、MLX 等本地运行时下载与测速；recommend --json 输出便于 agent 调用。

本地模型网关：把 Claude Code、Codex 等编码 agent 的请求路由到 DeepSeek、Kimi、Gemini、OpenRouter 等模型供应商，支持失败切换、按规则路由与请求日志。需自备各家 API Key。

港大 HKUDS 开源的交易研究 agent，MCP 服务有 70 余个工具，覆盖 A 股、港美股与加密货币的行情、财报、回测和投研分析。需本地装 Python，港美股与加密研究免 API Key；结果仅供研究，投资决策需专业人员复核。

腾讯开源知识库平台 WeKnora 的官方命令行：上传文档、管理知识库、混合检索并基于知识库回答问题，也能作为只读 MCP 服务运行，适合客服与行政团队维护内部知识库。需先自行部署 WeKnora 服务，用 Go 1.26+ 从源码编译。

把 cognee 记忆引擎作为 MCP 服务运行，通过 remember、recall、forget 三个工具把文档与对话写入知识图谱和向量库，供 agent 跨会话检索。需先用 Docker 或 uv 启动服务，默认需要 LLM API Key，也可连接 Cognee Cloud。

把对话与业务数据写入 Graphiti 时序知识图谱，让 agent 按实体、事实和时间检索长期记忆。Zep 开源维护，需先用 Docker 启动 FalkorDB 或 Neo4j 与服务，并配置 LLM API Key。

评测与红队测试大模型应用的 CLI 与库：批量对比提示词与模型输出、扫描安全漏洞、接入 CI/CD，评测在本地运行。已并入 OpenAI，仍以 MIT 协议开源。

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。

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。

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）。

让 Claude Code 在无人值守时推进机器学习研究：文献调研、选题、实验部署、跨模型评审循环、论文写作直到 rebuttal，共 80 余个技能；默认由 Codex 担任独立审稿模型，也可换用其他模型组合。

browser-use 团队出品的浏览器控制工具：通过一条可编辑的 CDP 连接让 agent 直接操作你正在用的 Chrome，缺少的辅助函数由 agent 边做边写并留存复用；另提供 MCP 服务。首次使用需在 Chrome 中允许远程调试。

上下文工程与 harness 工程技能合集：上下文基础、退化诊断与压缩、多代理架构、记忆系统、工具设计、LLM 评审式评测与自改进循环，以原理与设计模式讲解为主，不绑定具体 agent 平台。

上下文工程与 harness 工程技能合集：上下文压缩与优化、多代理架构、记忆系统、工具设计、LLM 评审式评测等，按任务自动启用，适合构建生产级 agent 系统。

魔搭社区官方的大模型与多模态模型训练框架，swift 命令覆盖预训练、微调、强化学习、推理、评测、量化与部署，支持 600 多种文本模型与 400 多种多模态模型及 Megatron 并行训练，另有 Web UI。训练通常需要 GPU。

像 Git 管代码一样管理数据集和模型的版本：数据存放在 S3、GCS 等远端存储，版本信息记在 Git 仓库里。还提供可复现的流水线和本地实验追踪，改动后只重跑受影响的步骤。

为指定 AI 工具写出精准提示词：先识别目标工具、提取意图，信息不足时最多追问 3 个问题，再输出可直接粘贴的精简提示词，覆盖 ChatGPT、Claude Code、Cursor、Midjourney、Sora 等数十种工具。