开源：64 个工具，各自的短板都写清楚

标签「开源」下的人工收录条目。按场景编排，不按热度——我们没有可信的流量数据，就不假装有排名。

全部 155 个工具

• Cline cline.bot · 写代码 · IDE 插件 · 需海外网络
  开源的 VS Code Agent 插件，能读写文件、跑终端，模型接任意 OpenAI 兼容服务，key 自己带。
  短板：每一步都弹确认框，批量任务很啰嗦；token 花得比看上去多。
• Aider aider.chat · 写代码 · CLI · 国内直连
  命令行里改代码的老牌工具，每次改动自动 git commit，想知道每一步到底改了什么就用它。
  短板：不会自己探索仓库，大工程要手动指定文件；界面只有一个终端。
• Codex CLI github.com/openai/codex · 写代码 · CLI · 需海外网络
  OpenAI 官方的命令行编程 Agent，开源，能接自己的 key，也能指到本地模型上跑。
  短板：默认走 OpenAI 接口，模型和网络要自己配；文档更新快，示例常落后一版。
• OpenHands github.com/All-Hands-AI/OpenHands · 写代码 · 开源自建 · 自建即离线 · 配套 skill
  跑在容器里的编程 Agent，带浏览器和终端，能自己装依赖、跑完整任务链。要自建、数据不出内网的就选它。
  短板：必须 Docker；单个任务耗时长，算力成本比看起来高。
• MinerU mineru.net · 读文档 · 开源自建 / CLI · 自建即离线 · 配套 skill
  把 PDF 转成 Markdown / JSON：扫描件、双栏论文、复杂表格基本保形，公式也认得出来。给知识库喂文档的第一步就用它。
  短板：成批处理要自己写队列；极其复杂的版式仍会错行，转完要抽检。
• Docling github.com/docling-project/docling · 读文档 · 开源自建 · 自建即离线
  IBM 出的文档解析库，PDF / DOCX / PPTX 统一转成结构化数据，自带版面分析和表格结构，适合写进自己的流水线。
  短板：表格还原不如 MinerU 激进；大文件很慢，要配并发。
• RAGFlow ragflow.io · 读文档 · 开源自建 · 自建即离线 · 配套 skill
  开箱可用的知识库 / RAG 引擎，带文档解析和可视化切片，把公司文档变成能问答的库。
  短板：解析质量取决于你接的模型；部署是好几个容器，运维成本要走 IT。
• AnythingLLM anythingllm.com · 读文档 · 桌面 / 自建 · 自建即离线
  本地知识库里最省事的一个：桌面版导入文档就能问，也能接远端模型，适合先跑通再考虑上平台。
  短板：多人协作和权限弱；嵌入模型要自己挑，挑错会答非所问。
• Filee filee.sh · 写作与办公 · 桌面 · 国内直连
  按住 Ctrl 把文件拖到光标旁的格式圆环上，就在本机转成另一种格式：图片、PDF、Word/Excel/PPT、HWP、视频音频、电子书、压缩包都能互转，不上传、不用装 Office。
  短板：macOS 版还是未公证的预览版；Windows 10 长期没更新又开着 CET（硬件强制堆栈保护）时会静默秒退；Word/视频/电子书这类转换还要额外下引擎（LibreOffice / FFmpeg / calibre），第一次用会多等一会儿。
• FLUX github.com/black-forest-labs/flux · 出图 · 开源自建 / API · 自建即离线
  开源里质量第一档的文生图，能本地跑也能调 API，中文提示词理解不差。
  短板：本地跑要 24G 级显存；商用许可分档，落地前读许可证原文。
• ComfyUI comfy.org · 出图 · 开源自建 · 自建即离线 · 配套 skill
  节点式图像工作流，把生成、修复、放大串成一条线批量跑，重复出图最省事。
  短板：学习曲线陡；节点图不好维护，团队交接容易断。
• Whisper github.com/openai/whisper · 语音 · 开源自建 / CLI · 自建即离线
  语音转文字的事实标准，中文识别准，本地跑不联网，做会议和访谈转写先看它。
  短板：长音频要自己切；实时性差，生产环境别直接用原始实现。
• faster-whisper github.com/SYSTRAN/faster-whisper · 语音 · 开源自建 · 自建即离线 · 配套 skill
  Whisper 的高效实现：同精度下快数倍、显存占用更低，批量转写的实际选择。
  短板：要自己写服务层和队列；GPU 环境配不好会比原版还慢。
• Dify dify.ai · 搭 Agent · 开源自建 / SaaS · 国内直连 · 配套 skill
  可视化搭 LLM 应用：提示词、知识库、工作流、对外 API 一条龙，做问答机器人这类需求最快能落地。
  短板：复杂工作流要写代码节点；自建要 Redis 和向量库，运维别低估。
• n8n n8n.io · 搭 Agent · 开源自建 / SaaS · 自建即离线 · 配套 skill
  节点式自动化，接了几百个服务，把 AI 步骤塞进已有的业务流程里，不用从头写程序。
  短板：复杂流程调试麻烦；可持续使用许可对商用有约束，用前读原文。
• LangGraph github.com/langchain-ai/langgraph · 搭 Agent · 开源自建 · 自建即离线
  写有状态的 Agent 图：循环、人工确认、多智能体都能表达，是要长期维护的工程项目的首选。
  短板：抽象层多；调试体验要靠 LangSmith（付费），小项目会显得重。
• MCP modelcontextprotocol.io · 搭 Agent · 协议 · 国内直连 · 配套 skill
  让各家 AI 客户端统一接外部工具的协议：写一次 server，Claude Code、Cursor、Codex 都能用。
  短板：生态还在变；各家鉴权和传输实现不统一，接入前先在各客户端验一遍。
• Ollama ollama.com · 本地跑模型 · 开源自建 · 自建即离线 · 配套 skill
  一条命令把模型拉到本机跑，自带 OpenAI 兼容接口，验证想法和做内网 demo 最快。
  短板：默认上下文短；并发能力弱，多人共用会排队。
• vLLM github.com/vllm-project/vllm · 本地跑模型 · 开源自建 · 自建即离线 · 配套 skill
  高吞吐推理服务，多人共用一个模型时的默认选择，提供 OpenAI 兼容接口。
  短板：PagedAttention 会预占显存，单卡跑大模型容易 OOM，得先算 KV cache。
• DuckDB duckdb.org · 数据与表格 · 开源自建 · 自建即离线 · 配套 skill
  单文件的分析型数据库，几千万行 CSV 直接 SQL 查，替代 pandas 做聚合快一个量级。
  短板：不是高并发写入的库；多人同时用要换别的方案。
• Zed zed.dev · 写代码 · 桌面 · 需海外网络
  Rust 写的编辑器，打开大文件和多光标编辑比 VS Code 跟手，内置 AI 面板能直接改代码块。
  短板：插件生态比 VS Code 小一个量级，很多语言工具要自己配；AI 功能要绑账号并消耗额度。
• Continue continue.dev · 写代码 · IDE 插件 · 国内直连
  开源的 VS Code / JetBrains 插件，补全和对话都接自己的模型（OpenAI 兼容或本地 Ollama），敏感仓库不用通外网。
  短板：一切靠 config.yaml 手写，endpoint 或模型名写错只给一句模糊报错，排查全靠自己。
• Marker github.com/datalab-to/marker · 读文档 · CLI · 自建即离线
  把 PDF、扫描件批量转成 Markdown，公式、表格、图片位置都尽量保住，是给 RAG 做前置清洗的常用选择。
  短板：首次运行要下模型；版面花哨的杂志页仍会把表格拆散，重要文档必须人工校一遍。
• Unstructured unstructured.io · 读文档 · 开源自建 / API · 自建即离线
  把 PDF、Word、HTML、邮件切成带类型（标题/正文/表格/列表）的段落块，直接喂进向量库。
  短板：高质量模式要装一堆 OCR 与版面模型和系统依赖；默认切块参数几乎一定要按自己的文档调。
• MarkItDown github.com/microsoft/markitdown · 读文档 · CLI · 自建即离线
  微软出的轻量转换器，把 Office、PDF、HTML、图片元数据统一转成 Markdown，写进提示词前最省事的一步。
  短板：不做 OCR，扫描件出来是空的；复杂表格只剩文字，行列结构全丢。
• Stable Diffusion WebUI github.com/AUTOMATIC1111/stable-diffusion-webui · 出图 · 开源自建 · 自建即离线
  本地跑 Stable Diffusion 的图形界面，插件生态最全（ControlNet、LoRA、放大、局部重绘都从这儿长出来）。
  短板：环境依赖老，Python 一升级就崩；显存不足 8G 时很多插件根本跑不动。
• Fooocus github.com/lllyasviel/Fooocus · 出图 · 开源自建 · 自建即离线
  把 SDXL 那堆参数收起来的本地出图工具，写一句提示词就能出可用的图，适合不想学参数的人。
  短板：可调项太少，做不了精细控制；模型更新没跟上最新一代，写实度落后。
• CosyVoice github.com/FunAudioLLM/CosyVoice · 语音 · 开源自建 · 自建即离线
  阿里开源的多语言语音合成，几秒参考音频就能克隆音色，中文韵律比多数开源 TTS 自然。
  短板：要显卡；克隆效果高度依赖参考音频质量，情绪和语速控制仍然有限。
• GPT-SoVITS github.com/RVC-Boss/GPT-SoVITS · 语音 · 开源自建 · 自建即离线
  用一分钟素材就能训出很像的克隆音色，中文社区的教程和整合包最全，配音复刻常用。
  短板：训练要自己备数据、调参数；生成长文本偶发破音，商用还要看素材授权。
• ChatTTS github.com/2noise/ChatTTS · 语音 · 开源自建 · 自建即离线
  面向对话场景的开源中文 TTS，语气词、停顿、笑声比较自然，做语音助手比朗读腔好听。
  短板：音色不可控，只能反复抽卡；项目维护热度已下降，新特性少。
• FastGPT fastgpt.cn · 搭 Agent · 开源自建 · 国内直连
  知识库加工作流一体的开源平台，中文文档齐全，企业内网搭客服和文档问答最常见的选择。
  短板：检索效果很吃切块参数，默认配置直接用会答偏；流程一复杂，调试面板很难跟。
• Flowise flowiseai.com · 搭 Agent · 开源自建 · 自建即离线
  拖节点搭 LLM 流程，从客服到文档问答都能连线完成，导出后就是一个 API 端点。
  短板：节点一多画布就乱，版本升级常带破坏性改动，老流程要重连。
• Langflow langflow.org · 搭 Agent · 开源自建 · 自建即离线
  LangChain 的可视化版本，拖出来的流程能直接导出成 Python 代码，原型到代码不用重写。
  短板：跟着 LangChain 版本跑，升级快、老节点常失效；复杂分支在画布上很难看清。
• CrewAI crewai.com · 搭 Agent · 开源自建 · 自建即离线
  用角色和任务描述编排多个 Agent 协作，几十行 Python 就能跑起一条研究或写作流水线。
  短板：角色一多 Agent 之间会互相推诿、重复干活；调用链长，成本和延迟都涨得快。
• llama.cpp github.com/ggml-org/llama.cpp · 本地跑模型 · CLI · 自建即离线
  本地跑 GGUF 模型的底层引擎，CPU 也能跑，几乎所有桌面客户端和自建服务都拿它当后端。
  短板：参数多、文档偏工程向；不同量化档的效果差异很大，要自己逐档试。
• SGLang github.com/sgl-project/sglang · 本地跑模型 · 开源自建 · 自建即离线
  高吞吐推理服务框架，结构化输出和前缀缓存做得比 vLLM 更激进，批量任务吞吐明显占优。
  短板：只支持特定模型结构，冷门模型要等适配；版本之间破坏兼容是常事。
• Open WebUI openwebui.com · 本地跑模型 · 开源自建 · 自建即离线
  给 Ollama 或任意 OpenAI 兼容接口套一个多用户网页界面，账号、知识库、工具调用都有现成的。
  短板：功能堆得多，配置项藏在多层菜单里；多用户上线还要自己接 OIDC 和对象存储。
• Chat2DB chat2db.ai · 数据与表格 · 桌面 / 开源自建 · 国内直连
  用中文问数据库，自动生成 SQL 并直接出结果表，MySQL、PostgreSQL、ClickHouse 都接得进。
  短板：表结构复杂时生成的 JOIN 经常错，必须自己核 SQL；免费版限制数据源数量。
• Metabase metabase.com · 数据与表格 · 开源自建 · 自建即离线
  连上数据库就自动生成看板，非技术的同事也能自己拖图、下钻，内网 BI 最省事的落地方式。
  短板：复杂指标还是得写 SQL；问答式 AI 查询只在云版有，自建版缺这块。
• DB-GPT github.com/eosphoros-ai/DB-GPT · 数据与表格 · 开源自建 · 自建即离线
  把数据问答、SQL 生成、报表做成一套可自建的平台，中文友好，能在内网对着业务库直接问数。
  短板：部署组件多（向量库、模型、服务），第一次搭起来要一整天；问数准确率依赖表注释质量。
• Data Formulator github.com/microsoft/data-formulator · 数据与表格 · 开源自建 · 自建即离线
  微软研究院做的可视化工具，用自然语言描述想要的图表，它自动生成转换步骤并画出来，步骤可回看。
  短板：还偏研究原型，复杂多表关联容易出错；界面英文，文档不多。
• Qwen Code qwenlm.github.io/qwen-code-docs · 写代码 · CLI · 国内直连
  通义开源的终端 coding agent，交互照着 Claude Code 的样子做，接通义额度或自建模型都能跑。
  短板：长任务稳定性不如闭源那几家，改多文件时常只改一半；免费额度用完要充，复杂重构还是得人盯。
• Graphify graphify.com · 写代码 · 开源自建 · 需海外网络
  把代码库连同文档、SQL schema、配置和 PDF 一起索引成可查询的知识图，问「这个接口谁在用」比全文搜索准。
  短板：大仓库首次索引很久；代码一改动就得重跑，没什么增量更新，长期用要挂 CI 才跟得上。
• PaddleOCR paddleocr.com · 读文档 · 开源自建 · 自建即离线
  中文 OCR 的第一梯队，印刷体识别率高，带版面分析和表格识别，扫描件转结构化数据最常用的一套。
  短板：装 Paddle 环境经常卡在依赖上；手写体和糊掉的扫描件错误率明显上升，交付前必须人工抽检。
• Khoj khoj.dev · 读文档 · 开源自建 · 自建即离线
  自建的第二大脑：把笔记、文档、网页索引进去，用自然语言问，也能排日程、建提醒。
  短板：首次索引很慢；中文文档切分一般，长文问答经常给不到关键那段，得自己换切块策略。
• WeKnora weknora.weixin.qq.com · 读文档 · 开源自建 · 国内直连
  腾讯开源的文档知识库：上传 PDF/Word/网页自动切成段落做 RAG，问答界面和 API 都给好了。
  短板：部署要拉起解析服务、向量库、模型好几套组件；官方文档偏薄，出问题基本只能读代码。
• GraphRAG microsoft.github.io/graphrag · 读文档 · 开源自建 · 自建即离线
  微软的图检索方案：先把文档抽成实体和关系图，再按社区摘要回答「这批材料主要在讲什么」这类全局问题。
  短板：建图极费 token（一本书能烧掉几十美元）；语料少的时候效果还不如普通向量检索，别一上来就上。
• LobeChat lobehub.com · 通用对话 · 开源自建 · 国内直连
  开源的 ChatGPT 风格界面：多模型、插件、MCP、知识库、语音齐活，团队自建一套对话入口最省事。
  短板：功能堆得多，部署要数据库加对象存储；大版本升级常要迁移数据，自己维护得跟得住。
• Crawl4AI crawl4ai.com · 搜索与研究 · 开源自建 · 自建即离线
  开源的 LLM 友好爬虫，输出干净 Markdown 和结构化抽取结果，支持异步批量，接进自建流水线最顺手。
  短板：动态页面要自己配 Playwright；反爬强的站照样被封，重试和限速策略都得自己写。
• InvokeAI invoke-ai.github.io · 出图 · 开源自建 · 自建即离线
  本地出图工作台，统一画布做局部重绘和拼图最顺手，工作流能存下来复用，比纯节点式好上手。
  短板：装环境比 ComfyUI 还重；显存不够时大模型和高分辨率都别想，UI 也比 ComfyUI 慢一点。
• HunyuanVideo aivideo.hunyuan.tencent.com · 出视频 · 开源自建 · 国内直连
  腾讯开源的大视频模型，权重能自己下，画面质感和运动幅度在开源里属于前列。
  短板：官方推荐 80G 级显存，普通卡只能跑量化版而且很慢；生成一条要十几分钟，不适合反复抽卡。
• LivePortrait liveportrait.github.io · 出视频 · 开源自建 · 自建即离线
  一张照片加一段驱动视频，让人像说话、做表情、转头，做口播数字人里最轻量的开源方案。
  短板：只管头像区域，侧脸、遮挡和大动作容易崩；长视频会累积漂移，超过十几秒就要分段重来。
• FunASR funasr.com · 语音 · 开源自建 · 国内直连
  阿里达摩院开源的语音识别工具包，中文识别、标点、说话人分离都有现成模型，适合自建转写服务。
  短板：要自己套一层服务；长音频得先切分，实时流式配置比离线麻烦不少。
• VoxCPM voxcpm.com · 语音 · 开源自建 · 国内直连
  面壁开源的多语种语音合成，不需要音素分词器，几百字一段能合成比较自然的中文。
  短板：项目还新，音色和情绪的可调项少；长文本偶有断句错误，商用前要看许可条款。
• sherpa-onnx k2-fsa.github.io · 语音 · 开源自建 · 自建即离线
  端侧语音工具箱：离线 ASR、TTS、说话人分离都有，能编进 Android/iOS/桌面，不联网也能转写。
  短板：文档散在几个仓库里，模型要自己下载和转换；中文大模型效果好但体积也大，打包进去要算好。
• AutoGPT agpt.co · 搭 Agent · Web / 开源自建 · 需海外网络
  最早把「给个目标让 AI 自己拆任务跑」做热的项目，现在是一个能连工具和触发器的低代码 agent 平台。
  短板：自主执行听着美，真跑起来常在中途偏题；平台化之后学习成本不低，简单的活儿不如直接写脚本。
• browser-use browser-use.com · 搭 Agent · 开源自建 · 自建即离线
  让模型直接操作浏览器：点按钮、填表、翻页，把「只能看不能说」的对话变成能替你把网页上的事做完。
  短板：页面结构一变就点空，复杂站点要写辅助函数；每一步都截图喂给模型，token 烧得比想象中快。
• Mem0 mem0.ai · 搭 Agent · 开源自建 / API · 需海外网络
  给 agent 加一层长期记忆：把对话里的事实抽出来存好，下次自动带进上下文，不用每次重新交代背景。
  短板：抽取和召回各要一次额外模型调用，延迟成本都涨；记忆写错比没有记忆更糟，还得人工清理。
• DeerFlow deerflow.tech · 搭 Agent · 开源自建 · 国内直连
  字节开源的深度研究 agent：给一个题目它自己搜、读、写报告，中间步骤和产物都看得见。
  短板：要同时配搜索 API 和模型 key，跑一轮几分钟起步；报告质量极吃模型，小模型跑出来像拼贴。
• Unsloth unsloth.ai · 本地跑模型 · 开源自建 · 自建即离线
  微调加速库，同样一张卡能让 LoRA 训练快一倍、显存省一大截，单卡玩家练小模型最常用。
  短板：只支持部分模型结构，冷门架构要自己改代码；多卡支持弱，规模一上来就得换框架。
• LlamaFactory llamafactory.readthedocs.io · 本地跑模型 · 开源自建 · 自建即离线
  一站式微调框架，100 多个模型的 SFT、DPO、续训都有现成脚本，命令行和网页界面都给了。
  短板：配置项极多，第一次跑要照着文档逐项对；数据格式错一行就报看不懂的错，排查全靠经验。
• LocalAI localai.io · 本地跑模型 · 开源自建 · 自建即离线
  本地自建的 OpenAI 兼容服务，文本、图像、语音、重排一个端点接完，换模型不用改客户端。
  短板：镜像不小、启动慢；不同模型的兼容性参差，出问题多半只能翻日志自己排。
• WrenAI getwren.ai · 数据与表格 · 开源自建 · 需海外网络
  对着业务库用中文问问题，它生成 SQL、跑出表格和图，常用问题还能存成看板。
  短板：得先配语义层（字段中文名、口径），不配的话问出来全是错的 JOIN；小众数据库支持有限。
• SQLBot sqlbot.org · 数据与表格 · 开源自建 · 国内直连
  飞致云开源的智能问数：连上数据库用一句话出 SQL 和图表，中文表名和字段的友好度高。
  短板：多表关联经常生成错的聚合；想提高准确率得准备示例问题和表注释，等于先做一轮数据治理。

换个标签看：需海外网络 · 中文优先 · 本地部署 · 免费额度 · 免费可用 · 图像生成 · 编程 Agent · 知识库问答 · 文档解析 · IDE 插件 · 批量处理 · 深度检索 · 语音合成 · 转写 · 多模型 · 本地推理 · 文生视频 · 引用可追溯 · 表格分析 · 图生视频 · 工作流编排 · 机器人搭建 · API 网关 · 数据查询 · 终端 CLI · 多文件重构 · 长文档 · 写作办公 · 自动化 · 建站 · 设计协作 · 桌面应用 · 会议纪要 · UI 生成 · OCR 扫描件 · 学术检索 · 演示文稿 · 图生图 · 剪辑 · 编程框架 · 仓库问答 · 沙箱隔离 · 数字人 · 推理服务 · 格式转换 · 语音克隆 · 网页抓取 · 微调 ·