tools
tools 是知名开发者 Simon Willison 打造的一个在线实用工具箱，汇集了数十个专注于图像处理、文档解析及文本操作的小型 Web 应用。它主要解决了用户在日常生活中频繁遇到的碎片化需求，例如快速裁剪社交媒体配图、对比图片压缩质量、在浏览器端直接进行 OCR 文字识别、转换文件格式（如 RTF 转 HTML）以及可视化 PDF 差异等，让用户无需安装庞大软件即可完成特定任务。
这套工具集非常适合设计师、内容创作者、开发者以及任何需要高效处理多媒体文件的普通用户使用。其最独特的技术亮点在于“提示词驱动开发”的实验性质：绝大多数工具并非由人类逐行编写，而是借助大语言模型（LLM）自动生成 HTML 和 JavaScript 代码构建而成。项目不仅开源了所有代码，还公开了每个工具的生成对话记录与提交信息，既展示了 AI 辅助编程的实际潜力，也为开发者探索如何与大模型协作提供了生动的参考案例。所有功能均基于浏览器运行，注重隐私与便捷性，是体验轻量级 AI 开发成果的绝佳窗口。
使用场景
内容创作者小明在准备一篇技术博客时，需要处理大量截图、提取文档文字并优化排版格式。
没有 tools 时
- 手动使用 Photoshop 逐张裁剪图片以适应社交媒体比例，耗时且容易出错。
- 遇到扫描版 PDF 中的文字无法直接复制，必须安装重型 OCR 软件或依赖在线付费服务。
- 对比两个版本的 PDF 文档差异时，只能肉眼逐页查找，效率极低且易遗漏细节。
- 将 Markdown 草稿转换为带数学公式的 HTML 预览时，需反复切换本地编辑器与浏览器刷新查看效果。
- 从网页复制富文本到剪贴板后，难以查看其底层 HTML 结构，导致粘贴到 CMS 后台时常出现样式错乱。
使用 tools 后
- 利用 Social media cropper 一键将多张截图批量裁剪为 2:1 比例，瞬间完成社媒配图准备。
- 直接在浏览器中通过 PDF OCR 工具上传文件，几秒钟内即可提取并复制扫描文档中的全部文字。
- 使用 Compare PDFs 可视化高亮显示两份文档的差异点，快速定位修改内容，无需人工比对。
- 借助 Markdown math 实时预览包含 LaTeX 公式的文章效果，边写边看，大幅减少调试时间。
- 通过 Paste rich text 和 Clipboard viewer 即时 inspect 剪贴板中的 HTML 源码，精准清理冗余标签，确保发布样式整洁。
tools 让原本繁琐的媒体处理与文档编辑工作流在浏览器内轻量化完成，显著提升了内容生产的效率与质量。
运行环境要求
- 未说明
不需要
未说明
快速开始
tools.simonwillison.net
各种 HTML+JavaScript 工具，主要借助大语言模型构建。另请参阅 /python/，其中包含使用 Python 编写的工具。
本系列是一次低风险的提示驱动开发实验。
后记 列出了每个工具的提交信息和对话记录。
代码托管在 simonw/tools 中，许多工具使用了此处描述的 Claude 自定义指令：这里。
图片与媒体
- 社交媒体裁剪器 将图片裁剪为 2×1 比例，适合社交媒体分享
- 图片尺寸与质量对比 比较 JPEG 质量设置
- 图片转 JPEG 将 PNG 或 WebP 文件转换为 JPEG
- 图片转 SVG 将位图图像描摹为 SVG 路径
- SVG 转 JPEG/PNG 将 SVG 渲染为栅格图像
- SVG 沙盒 安全显示解码后的 SVG 文件
- SVG 渐进式渲染 观看 SVG 自动绘制过程
- 边界框裁剪器 绘制边界框并读取坐标
- 掩码可视化器 检查带有边界框的 JSON 掩码
- FFmpeg 裁剪助手 生成用于裁剪视频的 FFmpeg 命令
- TIFF 方向查看器 检查 EXIF 方向元数据
- 头像 Web 组件 在原地上传和裁剪头像
- YouTube 缩略图 列出视频的缩略图 URL
文本与文档
- OCR 在浏览器中识别图片和 PDF 中的文本
- PDF OCR 对上传的 PDF 进行光学字符识别
- 比较 PDF 可视化两个 PDF 之间的差异
- 渲染 Markdown 使用 GitHub API 将 Markdown 转换为 HTML
- HTML 预览 左侧输入 HTML，右侧实时显示渲染结果
- RTF 转 HTML 检查 RTF 剪贴板数据并将其转换为 HTML
- Markdown 数学 实时预览包含 LaTeX 公式的 Markdown
- 脚注实验 演示将脚注链接到弹出窗口
- 阅读时间计算器 估算阅读一段文字所需的时间
- 字数统计 统计多个文本块中的单词数量
- 文本换行平衡导航 探索
text-wrap: balance属性 - 标题导航 生成基于 ID 的目录
- 粘贴富文本 检查剪贴板中的 HTML 和纯文本
- 粘贴 HTML 子集 查看哪些标签在 HTML 净化后仍保留
- 剪贴板查看器 调试剪贴板中存储的所有内容
- 提取 URL 从粘贴的 HTML 中提取链接列表
- JSON 转 Markdown 记录 将记录 JSON 转换为 Markdown
- JSON 转 YAML 在 JSON 和 YAML 格式之间进行转换
- YAML 浏览器 以可折叠树形结构浏览 YAML 文档
- JSON 模式生成器 可视化设计 JSON 模式
- 不完整 JSON 打印 美观地打印部分 JSON 文档
- PHP 反序列化工具 将序列化的 PHP 数据转换为 JSON
- SQL 格式化工具 重新格式化 SQL 查询以提高可读性
- Pipfile.lock 解析器 从
Pipfile.lock中提取依赖版本
数据与时间工具
- 时间戳转换器 将 Unix 时间戳转换为可读日期
- 时区 比较多个时区的时间
- 日期计算器 计算日期之间的天数或仅计算工作日
- 文件传输时间估算 计算文件传输所需时间
- Token 使用量计算器 按模型汇总 LLM 的 token 日志
- LLM 价格重定向 快速链接到最新的模型定价网站
- CSV 标记地图 根据 CSV 文件在地图上绘制标记
- 物种观测地图 浏览近期的 iNaturalist 观测记录
GitHub 与开发
- GitHub API 写入 直接将文本或图片上传到仓库
- GitHub 问题查看器 获取 GitHub 问题和评论
- GitHub 问题转 Markdown 将问题线程转换为 Markdown
- Zip/Wheel 浏览器 查看 Python wheel 和 zip 文件的内容
- Ares 语音字母表 将文本转换为 ARES 紧急语音编码
- 与 Claude 一起编码 2025 原型化 Claude 编码的工作流程
- 侧边栏对话演示 实验 HTML
dialog元素 - 广播通道聊天 使用 BroadcastChannel 在不同标签页之间聊天
Bluesky 和社交工具
- Bluesky WebSocket Firehose 实时查看 Bluesky 上的动态
- Bluesky 解析 DID 将类似
simonwillison.net的句柄转换为 DID - Bluesky 时间线 查看用户的最新帖子和回复
- Bluesky 线程导出 将 Bluesky 线程保存为 Markdown 格式
- Bluesky 引用查找器 查找某条 Bluesky 帖子的所有引用
- 活动策划器 存储在 localStorage 中的简易日程规划工具
- 无密码密钥演示 体验基于浏览器的无密码密钥认证
大模型 Playground 和调试工具
- Haiku 使用 Claude Haiku 和你的摄像头生成俳句
- Chrome Prompt Playground 在 Chrome 的 Gemini Nano 上运行提示词
- Gemini 边界框可视化器 可视化 Gemini 返回的边界框
- Gemini 聊天客户端 用于 Gemini API 的简单聊天界面
- Gemini 掩码可视化器 将 Gemini 的分割掩码叠加显示
- Gemini 图像 JSON 渲染器 展示来自 Gemini JSON 输出的图像
- Claude 令牌计数器 统计 Claude 提示词中的令牌数量
- OpenAI 音频输入 录制音频并发送给 OpenAI 模型
- OpenAI 音频输出 使用 OpenAI 的语音合成技术生成语音
- OpenAI WebRTC 演示 与 OpenAI 的实时音频 API 进行交互
- GPT-4o Gist 音频播放器 播放存储在 GitHub Gist 上的音频响应
- JSON 模式构建器 使用可视化编辑器构建 JSON 模式
其他工具
- Arena 动画图 LMSYS 聊天机器人竞技场的动画图表
- 加州夏令时调整 查看夏令时调整的具体时间
- Open Sauce 2025 议程 浏览即将举行的会议议程
- OpenFreeMap 演示 MapLibre 演示，包含旧金山随机点位
- 美国总统任期进展 跟踪当前总统任期已过去的天数
- 用户代理显示 显示你的浏览器的用户代理字符串
- 消息加密/解密 分享简短的加密消息
- ARIA 实时区域 动态页面公告演示
- Prompts.js 一个用于美化 JavaScript 提示框的小型库
- APSW SQLite 查询解释器 使用 APSW 解释 SQLite 查询
在 Observable 上
在 Observable 上：
- 博客转邮件列表 帮助将博客文章转化为邮件列表
- 将 Claude JSON 转换为 Markdown 用于分享 Claude 的对话记录
- 按最新排序的 Hacker News 首页，附带评论链接
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。