用 LLM 从非结构化文本中抽取结构化信息，并给出精确的原文出处定位和交互式可视化，方便核对抽取结果。

用大语言模型驱动的 Python 爬虫，只需描述想抓什么，就能自动完成网页抓取和结构化数据提取，省去手写解析规则。

SeaTunnel 是高性能分布式数据集成工具，支持批处理、CDC 变更捕获和多模态数据接入，用于海量数据在异构系统间高效同步。

用大模型把任意网页抓取并转成结构化数据，底层靠 Playwright/Puppeteer 驱动浏览器，适合做网页信息抽取和自动化采集。

把 PDF、扫描件和图片解析成带版面结构、表格和文本的富结构化数据，适合做文档入库和 RAG 前的预处理。

把任意网页抓取并转成干净 Markdown 或结构化数据，直接喂给 LLM 和 AI Agent，省去自己写爬虫和清洗的麻烦。

用 ML、LLM 和视觉大模型从文档、表单、发票等非结构化数据里抽取结构化字段，并支持指令调用和智能体工作流。

轻量级 OCR 工具包，能把图片和 PDF 转成结构化数据，支持 100 多种语言，方便接入 LLM 和 RAG 流程。

给 Claude Code 和 AI Agent 用的营销技能包，覆盖转化率优化、文案写作、SEO、数据分析和增长工程，让 Agent 直接具备可执行的营销能力。

NSA 开源的软件逆向工程框架，支持反汇编、反编译和二进制分析，可替代 IDA Pro 做恶意代码分析与漏洞研究。

用 TypeScript 写的浏览器 Agent SDK，让 AI 能操作网页、抓取任意站点数据，支持 Playwright、CDP 和云端浏览器。

用 C 语言写的高性能系统信息展示工具，类似 neofetch 但更快、功能更全，在终端里一行命令就能看到系统配置概览。

用 Go 写的磁盘空间查看工具，比 df 更直观，以彩色表格列出各挂载点的容量、已用和可用空间，支持 Linux、macOS 和 BSD。

把任意网站变成命令行工具，让 AI Agent 复用你已登录的浏览器会话执行网页操作，省去重复登录和手动点击。

检查 Git 提交信息是否符合约定格式，配合 commit 规范工具在提交时自动校验，避免日志混乱。

把 PDF、扫描件等非结构化文档通过 LLM 抽取成结构化 JSON，可直接接入 API 和 ETL 流水线，省去手工写解析规则。

浏览器里就能用的开源 3D 建筑设计软件，面向 AECO 行业，支持扫描转 BIM，还能通过 MCP 和 CLI 让 AI Agent 直接操作建模流程。

纯 PHP 实现的 Word 文档读写库，无需 Office 环境即可生成和解析 docx、odt、rtf 等格式，适合在服务端批量导出报表或合同。

用声明式规则给数据加单元测试，校验数据质量、做数据剖析，让脏数据在进入下游前就被发现。

给数据和模型做版本控制的工具，像 Git 管理代码一样管理数据集和机器学习实验，解决数据版本混乱、实验难复现的问题。

微软开源的 PII 检测与脱敏框架，能从文本、图像和结构化数据中识别并匿名化姓名、电话等敏感信息，支持 NLP 与正则规则组合的自定义流水线。

用 LLM 从非结构化文本里自动抽取实体和关系，直接建成 Neo4j 知识图谱，省去手工建模和写 Cypher 的麻烦，适合做 GraphRAG 和知识库。

让 Cursor、Claude Code 等 AI 编程助手通过 MCP 协议直接读写 Figma 设计稿，实现设计稿的自动读取与程序化修改。

把 PDF、DOCX、图片等复杂文档解析成干净结构化数据，方便喂给语言模型做 RAG 和检索。

面向 AI 与多模态负载的高性能数据引擎，用 Rust 编写，能大规模处理图像、音频、视频和结构化数据，适合搭建 ETL 与数据管道。

Python 网页抓取与浏览器自动化库，支持 Playwright、BeautifulSoup 和原始 HTTP，自带代理轮换，方便为 AI、LLM、RAG 稳定采集网页数据。

三行代码就能完成训练和调参的 AutoML 框架，自动搞定表格、图像、文本和时间序列任务，省去手动选模型和调超参的麻烦。

汇总 CVPR 2026 录用论文及其配套开源代码，方便计算机视觉研究者快速找到带实现的新工作并跟进复现。