浏览 AI 技能、智能体和自动化

NuExtract3

numind · 工具包

以文本或图像读取文档，按你要的字段填写 JSON 模板，或把页面转成 Markdown。这是一个 4B 模型，适合处理扫描件、表单和发票的团队。

OvisOCR2

ATH-MaaS · 工具包

文档解析模型：读取一页图像，按阅读顺序输出 Markdown，涵盖文字、公式和表格。约 0.8B 参数，通过 vLLM 运行。适合做文档数字化的开发者。

Chandra OCR 2

datalab-to · 工具包

读取图片和 PDF 中的文字，返回保留页面布局的 markdown、HTML 或 JSON。能处理手写、表单、表格和数学公式，支持 90 多种语言，适合做文档数字化的人。

rakedoc-nano-2

cloudraker · 工具包

把文档页面图片解析成文字、表格和图表，并保留 markdown 格式。这是 1.2B 参数的模型，图表提取更好，适合构建文档流水线的开发者。

OvisOCR3

ATH-MaaS · 工具包

用一个 0.8B 模型读取文档图片，返回文字、结构化 JSON、带公式和表格的 Markdown、关键字段和图表说明。适合构建 OCR 和文档流程的开发者。

LightOnOCR-3-4B

lightonai · 工具包

读取文档页面图片，返回 markdown 文本，或带边界框的标注块、图片描述和图表数据。适合构建 OCR 和文档理解流程的开发者。

LightOnOCR-3-0.8B

lightonai · 工具包

LightOn 的 0.8B 小型 OCR 模型，把页面图片读成 markdown，在 grounding 模式下还会给每个区块标上边界框。是 LightOnOCR-3 系列中快速、轻量的尺寸。

Nemotron 3.5 Parse

nvidia · 工具包

读取扫描件、PDF、幻灯片和表单的页面图像，返回其中的文字、表格、图表数据、阅读顺序和边框，输出为 Markdown、HTML 或 JSON。NVIDIA 推出的 631M 参数模型，面向开发者。

indra-ocr

datalab-to · 工具包

能在 CPU 上运行的小型 OCR 模型，把 PDF 和图片转成 markdown、文本，或带框的 JSON。能读手写和 80 多种语言。适合开发者和数据团队。

LightOnOCR-3 Demo

lightonai · 工具包

读取页面图片，把文字以 Markdown 形式返回，并带有版面定位。这是 LightOnOCR-3 模型的演示，在浏览器里于 ZeroGPU 上运行。

Unlimited OCR Works 2 Studio

baidu · 工具包

用 Unlimited-OCR-2 模型把上传的页面图片或最多 20 页的 PDF 解析成排好版的 Markdown，带实时流式显示和渲染视图。适合做文档数字化和测试 OCR 的人。

一个 n8n 工作流：把 Google Drive 里的银行对账单 PDF 按页转成 Markdown，由 Gemini 把每页当图片来读。然后列出每笔存款的日期、说明和金额。

一个把网址清单变成 Markdown 的 n8n 工作流。Firecrawl 返回每个页面的标题、描述和链接，工作流分批处理清单，节奏符合速率限制。

一个把 Markdown 变成品牌 PDF 的 n8n 工作流。你把 Markdown 和标题发到一个网址，PDFMint 渲染出带封面、编号标题和目录页的文件，并作为回复返回。

一个监视文件夹并为每个新文件写学习笔记的 n8n 工作流。它把文件存进 Qdrant，向 Mistral 提出关于它的问题，再把学习指南、时间线和简报存成 Markdown 文件。

一个 n8n 工作流，把聊天里的问题变成一份研究报告。模型提出搜索查询，SerpAPI 运行它们，Jina 读取结果页面，第三步写出 Markdown 报告。

一个用聊天框对话的 n8n 工作流。给它一位 n8n 创作者的用户名，OpenAI 智能体会读取这位创作者公开的每周和每月数据，并写出一份 Markdown 报告。

一个手动启动的 n8n 工作流：它从 GitHub 仓库读一份 Markdown 提示词，把里面的双花括号占位符换成你设好的值。随后 Ollama 上的一个 AI 智能体运行填好的提示词。

一个带 webhook 聊天入口和 OpenAI 智能体的 n8n 工作流。它列出你的 Search Console 资源，根据你的要求拼出查询，用你的 Google 登录调用 API，再用 Markdown 表格回答。

一个带聊天智能体的 n8n 工作流，智能体能打开网页。它的工具下载一个网址，去掉脚本和样式，把页面转成 Markdown，再交给 OpenAI 模型回答。

X Article Publisher Skill（X 长文发布技能）

wshuyi · 技能

wshuyi 为 Claude Code 写的技能，把一个 Markdown 文件搬进 X 的 Articles 编辑器。Claude 在浏览器里操作编辑器，粘贴排好版的正文，插入图片，然后存成草稿。你检查之后自己发布。

一个通过 webhook 回答文字或语音 SEO 问题的 n8n 工作流。一个带记忆的 Gemini 智能体通过你基于 DataForSEO 的子工作流，查关键词、排名和 Google 搜索结果。它用 Firecrawl 读网页，再用 Markdown 回答。

一个 n8n 聊天工作流，写广告文案、视频广告脚本和冷启动邮件序列。一个路由智能体挑选写手，文案再交给你自己提供的 Markdown 转 Google Docs 转换器。

Memos 自托管笔记应用

usememos · 工具包

一款免费、MIT 许可的笔记应用，由你自己托管，零碎的想法和较长的 Markdown 笔记会汇集成一条个人时间线。安装说明涵盖 Docker、Compose、二进制文件、Kubernetes、HTTPS、备份、升级、Web Clipper、API、webhook，以及通过 MCP 接入 Claude Code。

Crawl4AI 开源网页爬虫

unclecode · 工具包

UncleCode 做的开源网页爬虫和抓取工具，面向大语言模型和 AI 智能体。它在浏览器里加载页面，返回干净的 Markdown，或者按你定义的结构返回 JSON。说明涵盖 Python 库、crwl 命令、Docker 服务器和 MCP。

Agent Skills 工程技能包

addyosmani · 技能

Addy Osmani 的开源工程技能集，给 AI 编程智能体用。每个技能是一份 Markdown 工作流，带步骤、检查和结束条件。安装说明涵盖 Claude Code、Codex、Cursor、Gemini CLI、Copilot 等。

MarkItDown 文件转 Markdown 工具

microsoft · 工具包

微软出品的免费开源 Python 工具，把 PDF、Word、Excel、PowerPoint 等文件转成适合大模型读取的 Markdown。安装说明覆盖命令行、Python API、MCP 服务器、Docker 和 Azure 选项。