工具集

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。

阿里巴巴开源的离线数据同步工具，用 JSON 作业配置在 MySQL、Oracle、PostgreSQL、Hive、HDFS、MaxCompute 等异构数据源间批量同步，通过 python datax.py 执行。需 JDK 1.8+ 与 Python，下载官方工具包解压即用。

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。

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。

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。

让 agent 调用 Apify Store 上数千个现成的爬虫与自动化 Actor，抓取社媒、搜索引擎、地图、电商等网站的数据。Apify 官方维护，需要 Apify 账号（OAuth）或 API Token。

把整个网页连同 CSS、图片、字体与脚本内嵌打包成单个 HTML 文件，离线也能原样打开，适合网页存档或交给 agent 离线分析。自身不执行 JavaScript，动态页面需先用无头浏览器预渲染。

开源零样本语音合成，提供 f5-tts_infer-cli 命令行，给几秒参考录音就能用相同音色朗读中英文，适合给课件、视频配音。需要 Python、PyTorch 和 FFmpeg，最好有 GPU；预训练模型仅限非商业使用，克隆他人声音须经本人同意。

把文档站、GitHub 仓库、PDF、视频等 18 类来源整理成 Claude 等平台可用的技能包，也能导出为 RAG 分块与向量库数据；可选装 MCP 服务器，并能调用本地 Claude Code 等 agent 做内容增强。需要 Python 3.10+。

覆盖 AI 研究全流程的近百个技能：选题与文献调研、微调与后训练、分布式训练、推理部署、评测、可解释性与论文写作，并由 autoresearch 编排技能串起整个研究流程。

面向 AI 研究的技能插件市场，近百个技能分 23 类，覆盖选题构思、微调与后训练、分布式训练、推理部署、评测到论文写作，由 autoresearch 技能统筹全流程。

数仓建模与 ELT 转换的命令行框架：用 SQL 编写模型，自动处理依赖、数据测试与文档生成。v2 用 Rust 重写为单一二进制，dbt Labs 官方维护，需配置数据仓库连接。

带智能补全与语法高亮的 PostgreSQL 命令行客户端，兼容 psql 的环境变量，支持用 -c 执行语句后退出，便于 agent 非交互地查询数据库。

面向中国专利实务：从设计文档和代码中挖掘专利点，撰写发明、实用新型、外观设计交底书（可导出 Word）并改写成申请文件，还能检索国知局公开专利、通俗解读专利、辅助答复审查意见。需本机安装 Python 3.9+ 和 Chrome 或 Edge，成稿须专利代理师复核。

Simon Willison 开发的大模型命令行与 Python 库：在终端调用 OpenAI、Claude、Gemini 及本地模型，对话自动记入 SQLite，支持嵌入、结构化抽取与工具调用，可用插件扩展。

连接 Arize Phoenix 可观测平台，让 agent 查询 LLM 调用追踪与会话、管理提示词、浏览数据集并读取实验评测结果。Arize 官方维护，需要自建或云端的 Phoenix 实例。

字节跳动开源的通用软件工程 Agent，trae-cli 用自然语言驱动改文件、跑命令，支持多家模型与 MCP，并记录完整执行轨迹；架构透明，适合研究与二次开发 agent。需自备模型 API Key。

带智能补全与语法高亮的 MySQL 终端客户端，兼容 MariaDB、TiDB 等；支持 --execute 与批处理模式，可按 CSV 或表格格式输出查询结果，便于 agent 直接执行 SQL。

用 Presidio Analyzer 扫描文件与目录中的个人敏感信息（姓名、邮箱、信用卡号等），可配置实体类型、置信度阈值与忽略规则。需要 Python 3.10+ 与 spaCy 语言模型。