AI 智能体技能、规则与提示词工具包

Qwen2.5-VL-7B-Instruct-GGUF

unsloth · 工具包

Unsloth 制作的 Qwen2.5-VL-7B-Instruct 的 GGUF 文件，这个视觉语言模型能读图像、图表、文档和长视频，还能输出坐标和结构化数据。适合在本地运行它的人。

PaddleOCR-VL-1.6

PaddlePaddle · 工具包

读取图片并返回其中的文字，专为解析中英文文档而做。这是 PaddlePaddle 推出的 959M 参数模型，通过 PaddleOCR 库运行。

MiniCPM-OCR 1.0

openbmb · 工具包

OpenBMB 的 1.3B 模型，能读取英语和中文文档，解析文字、表格、公式、图表和印章，并提取关键字段。

KURE-Sparse-nano

nlpai-lab · 工具包

一个紧凑的韩英稀疏检索模型，把查询和文档变成稀疏向量，用于倒排索引搜索，适合做韩语搜索的团队。

bge-m3

BAAI · 工具包

把 100 多种语言的文字转成向量用于搜索，从短句到 8192 词元的文档都行。一个模型同时支持稠密、多向量和稀疏检索。由 BAAI 发布。

Hy4-preview

tencent · 工具包

用一个 770B 参数的混合专家模型生成文字、代码和文档，它激活 49B 个参数，支持最长 1M 的上下文。适合有硬件来托管超大开放权重的团队。

Xiaomi-OCR-0

xiaomi-research · 工具包

用 Xiaomi 的一个 0.8B OCR 模型解析文档，并回答关于图片中文字的问题，涵盖表格、公式和手写，适合构建 OCR 和文档工具的开发者。

Unlimited-OCR-2

baidu · 工具包

百度的 3.3B 文档解析模型，面向长文档，用 SR-SWA 注意力让解码成本几乎保持不变，提供 Transformers 和 SGLang 两条使用路线。适合要把长报告和书籍数字化的团队。

OPF Image Anonymizer

ysharma · 工具包

用 OCR 和 OpenAI 的 Privacy Filter 在截图和其他图片里的个人信息上盖上可编辑的黑条，适合经常分享聊天、邮件或文档截图的人。

MiniCPM5 WebGPU

ProCreations · 工具包

在浏览器标签页里用你自己的 GPU 运行 MiniCPM5 2B 模型，可以聊天，也能生成网站、Word 文档、Excel 工作簿和 PDF。适合想要免安装本地助手的人。

GLM OCR 演示

prithivMLmods · 工具包

在浏览器里用 GLM-OCR 模型读取文档图片中的文字和结构。适合想试用复杂文档 OCR 又不想配置环境的人。

EmbeddingGemma 2 in the Browser

Caspivs · 工具包

在浏览器里为文档排序、跨语言比较句子，并用文字搜索你自己的图片，你输入或上传的内容不会离开你的设备。适合探索嵌入的人。

Intelligent Content Organizer MCP Agent

Agents-MCP-Hackathon · 工具包

为 PDF、文本、Word 和图片文件建立索引，再按语义搜索、总结、打标签、分类并回答问题。这是带 Gradio 页面的 MCP 服务器，适合文档很多的人。

Chakkhu Khmer OCR

muyleanging · 工具包

从一行文字或整页印刷品的图片里读出高棉语和英语文字，返回文字、置信度和行框。这是一个在 CPU 上运行、带免费 API 的演示，适合数字化高棉语文档的人。

Xiaomi OCR 0 Demo

loongwayX · 工具包

在基于 Docker 的文档工作台里，用 Xiaomi-OCR-0 模型解析图片和 PDF，提取字段，并回答关于文档的问题，需要 GPU。

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。

MinerU Document Extraction Tools

opendatalab · 工具包

用运行在 ZeroGPU 上的 MinerU 演示，从 PDF、Office 文件和其他文档里提取内容。适合把文档变成结构化文本的开发者和数据团队。

Unlimited OCR

baidu · 工具包

用百度的 Unlimited-OCR 模型从图片和文档里读出文字，是一个 Gradio 页面，运行在 Hugging Face 的 ZeroGPU 硬件上。适合需要从图片中取出文字的人。

一个根据公司文档回答问题的 n8n 工作流。它盯着一个 Google Drive 文件夹，用 Gemini 把新文件存进 Pinecone，n8n 聊天窗口里的智能体再根据最接近的片段作答。

一个 n8n 工作流，根据你放在 Qdrant 里的文档为每封新邮件起草回复，并通过 Gmail 把草稿发给审批人。通过的回复发给发件人，有反馈就交给审阅智能体改写。