用 jQuery 风格的语法在服务端解析和操作 HTML/XML，写爬虫时提取页面数据比正则和原生 DOM 顺手得多。

把 PDF、DOCX、HTML 等文档解析成结构化 Markdown 或 JSON，方便喂给大模型和 RAG 流程。

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。

把 PDF 解析成带坐标信息的 JSON、Markdown 或 HTML，方便喂给 RAG 和 AI 流程，同时自动生成无障碍标签。

字节跳动开源的 HTML5 视频播放器，内置流媒体解析能力，支持 HLS、DASH、FLV 等格式，通过按需解析节省流量。

开源的 RAG 文档问答工具，上传文档后即可用大模型对话检索，快速搭建私有知识库问答。

用 Python 3 从新闻网页里自动抽取正文、标题、作者等元数据，省去自己写解析规则，适合做新闻聚合和内容抓取。

把持续不断的内容流变成可搜索、可监控的知识库，支持持久化摄取、混合检索、告警，以及格式、模型和业务规则插件。

在终端里用 curl 一行命令查天气，返回带 ASCII 艺术图标的天气预报，适合命令行用户和脚本调用。

把网页直接当像素图像来检索的 RAG 引擎，跳过 HTML 解析，靠视觉语言模型做原生搜索，适合构建多模态 Agent 的长期记忆。

能识别复杂表格、表单和手写内容的 OCR 模型，保留完整版面布局，适合把扫描件和图片转成结构化文本喂给 RAG 或文档解析流程。

批量下载微信公众号文章，支持评论、合集，可导出为 html/mhtml/md/pdf/docx/csv，并保存文中图片、视频、音频，还能通过 MCP/Skill 调用。

从网页抓取正文和元数据的 Python 库与命令行工具，支持爬取、解析并导出为 CSV、JSON、Markdown 等格式，适合构建语料库和 RAG 数据。

Go 语言编写的高性能网页抓取与爬虫框架，提供简洁 API 处理请求、解析页面和并发抓取，适合快速搭建采集程序。

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。

开源的 ML 与 LLM 可观测性框架，用 100+ 指标评估、测试并监控表格数据到生成式 AI 的数据管道与模型表现。

用 Rust 打造的无头浏览器，主打轻量、快速、高兼容，专为 AI Agent 的网页操作与自动化任务设计。

用 Rust 引擎扫描源码里的复制粘贴和重复代码，支持 220 多种语言，能输出 SARIF、HTML 和徽章报告，还提供 GitHub Action 与给 AI 代理用的 MCP 服务。

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。

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。

把任意网站变成结构化 API，无需写代码就能抓取、自动化、搜索和监控网页数据，适合做数据采集和 RPA 场景。

用声明式 DSL 描述网页数据抽取流程，由 Go 运行时执行，省去手写爬虫脚本，适合结构化抓取和浏览器自动化。

DIO 出品的 GitHub 开源贡献实操练习仓库，带你走一遍 fork、提交 PR 的完整流程，适合新手第一次参与开源项目。

把各类 BT 种子站统一封装成 Newznab/Torznab API，供 Sonarr、Radarr、Lidarr 等自动化下载工具直接检索和订阅资源。

给一个示例 URL，自动学习网页结构并生成抓取规则，省去手写解析逻辑，适合快速采集相似页面的数据。

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。

直接从 GitHub、GitLab 等发布源获取 Android 应用更新，绕过应用商店，适合追踪开源 APK 的最新版本。

命令行图片批量下载器，支持 Pixiv、Twitter、DeviantArt、Danbooru 等几十个图站，一条命令就能把画师主页或标签下的图集整批抓下来。

基于插件架构的所见即所得 Markdown 编辑器框架，底层用 ProseMirror 和 remark 解析渲染，方便在网页里嵌入可扩展的富文本编辑能力。

Firecrawl 官方 MCP 服务器，让 AI Agent 通过 MCP 客户端搜索、抓取网页并提取正文，支持批量处理、爬取、站点地图和监控。

收集系统编程、计算机科学等领域的技术论文、规范、手册和演示文稿 PDF，并提供在线浏览与搜索入口，方便按主题查找硬核技术资料。

用 Pandoc 把 Markdown 转成排版精美的 PDF 或 LaTeX 的模板，基于 KOMA-Script，开箱即用，省去自己调 LaTeX 样式的麻烦。

从 Google Drive 下载公开文件的小工具，curl/wget 搞不定大文件或病毒扫描提示时用它，一条命令就能拿到文件。