工具MIT
Docling
将 PDF、Word、表格和演示文稿转换成 Markdown 或结构化 JSON，适合知识库、RAG 和文档处理开发者。
- 费用
- 代码免费；模型许可证独立，计算和可选远程服务费用自理。
- 平台
- 未标注
- 共同场景
- 整理文档、研究与数据
- 差异
- 除文本提取外，更关注版面、表格结构和阅读顺序，可输出 Markdown 或结构化 JSON。
WorkBuddy 的替代品：8 个同类工具
腾讯推出的 AI 办公桌面助手，通过自然语言规划并执行任务，处理本地文档、表格、PPT、资料研究与数据分析，支持 Skills、MCP 和自定义模型。
按场景可替代的工具
工具Apache-2.0
RAGFlow
围绕文档理解、知识组织、检索与 Agent 构建的 RAG 平台，提供分块检查和来源引用等能力。
- 费用
- 仓库采用 Apache-2.0；云服务、模型、向量或检索基础设施和服务器资源可能计费。
- 平台
- 未标注
- 共同场景
- 整理文档、研究与数据
- 差异
- 更强调文档输入和检索上下文；Dify 更侧重应用与工作流编排。两者的实际适配要结合数据与运维条件测试。
工具Apache-2.0
Jina Reader
把网页内容转换成便于 LLM 处理的文本，并提供搜索相关入口。
- 费用
- 代码采用 Apache-2.0；托管 API 的额度、速率和收费按官方说明核对。自托管分支与 SaaS 的存储层并不完全相同。
- 平台
- 未标注
- 共同场景
- 整理文档、研究与数据
- 差异
- 侧重把页面变成易处理的输入，不是带登录态的浏览器操作工具。与 Firecrawl 相比，应按目标页面、输出结构和部署条件选择。
工具MIT Expat（社区范围）；ee 目录企业许可
Onyx
将团队文档与应用数据接入统一检索、AI 问答和 Agent 的知识平台，支持自托管及 MCP 接入。
- 费用
- 社区范围采用 MIT Expat；ee 目录为独立企业许可，生产使用需相应订阅或协议。自托管仍需承担模型、存储和计算费用。官网 Business 标示按年计费每用户每月 20 美元并提供试用，Enterprise 联系销售；以实时套餐为准。
- 平台
- Docker、Kubernetes、Web、MCP 客户端
- 共同场景
- 整理文档、研究与数据
- 差异
- 预先同步文档、权限和元数据形成检索索引，适合跨系统持续检索；Lite 模式与只在查询时逐个调用外部 MCP 搜索的架构不同。
Skill按技能目录许可（含源码可见条款）
Anthropic Skills
Anthropic 官方技能示例，涵盖文档、设计与开发任务，展示 SKILL.md、脚本和资源如何组合为可重复执行的工作流。
- 费用
- 许可按技能区分：部分为 Apache-2.0，文档处理等技能为源码可见的单独许可。Claude 套餐与模型费用另计。
- 平台
- 未标注
- 共同场景
- 整理文档
- 差异
- 适合学习技能组织方式与参考官方示例，不能把所有子目录统一当成同一种开源许可。
Skill按各技能 LICENSE.txt
OpenAI Skills（旧目录）
OpenAI 早期 Codex 技能目录。
- 费用
- 按各技能目录的 LICENSE.txt 核对；Codex、外部模型与第三方工具费用另计。
- 平台
- 未标注
- 共同场景
- 整理文档
- 差异
- 保留这一页便于历史链接继续访问；当前插件开发参考应转向后续示例库。
SkillMIT
Scientific Agent Skills
面向科研、文献、统计和科学写作的专业 Agent Skills。
- 费用
- MIT 开源，技能本体免费；技能里调用的数据源、模型与云服务按各家计费。
- 平台
- 未标注
- 共同场景
- 研究与数据
- 差异
- 以科研流程为中心组织技能（实验动作、数据库检索、学术幻灯片），比通用技能包更贴近论文与实验场景。
MCP仓库级许可未被 GitHub 识别（各 server 可能各有许可）
Filesystem MCP
为 Agent 提供带目录权限控制的本地文件读写能力。
- 费用
- 开源，本体免费。
- 平台
- 未标注
- 共同场景
- 整理文档
- 差异
- 官方参考实现里最基础的本地文件能力：比自写脚本更可控，权限边界由启动参数决定，适合当最小可行的本地工具层。
怎么选
先看类型：Skill 是给编码 Agent 的指令与脚本，MCP 是给 Agent 接工具的服务端，工具本身则是可直接使用的产品。再看许可与费用——开源不等于免费托管，商业工具的先看免费额度与收费入口。最后看平台：CLI、IDE 插件、桌面应用的使用方式差别很大。
本站只做事实归纳，不评估哪一款「更好」；建议按上面的共同场景挑 2 个，各跑一个自己的真实任务再决定。