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。

自适应网页抓取框架：scrapling extract 一条命令即可把网页抓成 Markdown、纯文本或 HTML，支持 CSS 选择器与浏览器渲染动态页面，另有 MCP 服务（需装 ai 扩展）。需 Python 3.10+，首次使用需安装浏览器。

自适应 Python 爬虫框架 Scrapling 内置的 MCP 服务：支持普通 HTTP 请求、浏览器渲染与隐身抓取，可用 CSS 选择器只把目标内容交给 AI，节省 token 并过滤提示注入内容。

MCP 官方参考实现：让 agent 操作本地 Git 仓库，查看状态与 diff、暂存与提交、创建和切换分支、按时间检索提交日志。Python 编写，用 uvx 即可运行，目前仍处早期开发阶段。

Astral 出品的 Python 包与项目管理器，用 Rust 编写、速度极快，可替代 pip、pipx、poetry、pyenv 等；支持锁文件与多版本 Python，uvx 可免安装直接运行 Python 工具。

开源的 LLM 友好网页爬虫，把网页转成干净的 Markdown 供 RAG 与 agent 使用；自带 crwl 命令行，支持深度爬取与按问题抽取数据（抽取需配置大模型 Key）。可免费自托管。

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。

终端里的 AI 结对编程工具：为整个代码库建立仓库地图，改动自动提交 git，可接入 Claude、DeepSeek、OpenAI 等几乎所有模型及本地模型，改完可自动跑 lint 与测试。

为 Claude Code 接入 Pyright 语言服务器，给 Python 代码提供静态类型检查与代码智能。需先用 npm、pip 或 pipx 安装 pyright。Anthropic 官方插件。

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。

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。

把 60 多个全栈专家技能打包成一个插件：Python、TypeScript、Go、Rust、Java 等 12 种语言专家，以及 React、Django、Spring Boot 等框架专家，按请求自动激活；另含对接 Jira / Confluence 的项目工作流命令（需 Atlassian MCP）。

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。

把 SQLite 数据库发布成可以浏览、可以查询的网页和 JSON API，支持 SQL 查询、元数据和插件扩展，也能用 datasette publish 部署到 Cloud Run 等平台。适合数据探索和数据新闻，需要 Python 3.10 及以上版本。

支持二十多种 SQL 方言的 linter 与格式化工具，可自动修复大部分问题，兼容 Jinja 模板与 dbt 项目（dbt 需装插件），适合在数仓代码评审和 CI 中使用。

终端里的表格数据浏览与整理工具，能打开 CSV、JSON、Excel、SQLite 等数十种格式，做筛选、排序、透视和频次统计；--batch 模式可无界面回放操作或转换文件格式。

把 dig、ps、ls、ifconfig 等上百种命令的输出及常见文件格式转换成 JSON，便于 agent 用 jq 或脚本可靠解析；也可作为 Python 库使用。

Python 编写的网页正文提取库与命令行：抓取网页，可跟随站点地图与 RSS 批量采集，去除页眉页脚等噪声，输出 TXT、Markdown、JSON、XML 等格式并附元数据，也能离线处理已下载的 HTML。

老牌 CSV 命令行工具集：in2csv 把 Excel、JSON 转成 CSV，csvcut、csvgrep、csvsort 筛选排序，csvstat 做统计，csvsql 直接对 CSV 跑 SQL。

Mistral 官方开源的终端编码助手：用 Mistral 模型读写代码、执行命令与搜索代码库，内置多种 agent 配置与子代理，支持 Skills、MCP 与 --prompt 脚本模式。需要 Mistral API Key。

字体处理工具集：pyftsubset 按实际用到的文字裁剪字体并输出 WOFF2，给中文网页字体瘦身；ttx 把字体转成可读写的 XML，便于查看和修改。适合让 agent 批量处理字体文件。需要 Python 3.11+，安装时带 woff 扩展才能输出 WOFF2；裁剪商用字体前先确认授权允许。

用 SQL 或 Python 编写数据转换模型的框架。提供类似 Terraform 的 plan / apply 流程、虚拟数据环境、单元测试和表差异比对，能在 10 多种 SQL 方言之间转译。Linux 基金会项目，可以替代 dbt。

Simon Willison 出品的网页截图命令行：可按 YAML 批量截图、录制演示视频、导出 PDF 与 HTML，也能在页面中执行 JavaScript 提取数据、输出无障碍树。基于 Playwright，首次需安装浏览器。