辣椒AI - 知识助理
辣椒科研 - 自动化研究助手
辣椒AI 的在线工具箱目前已收录 一百款以上 工具，覆盖十余个大类，全部在浏览器中直接使用，无需安装任何软件。
工具入口：chatpepper.cn/tools
做工具的初衷
在日常工作和学习中，有一类需求高频、琐碎、但体验很差：
- 把一份 PDF 转成 Word，网上一搜全是广告、水印、页数限制
- 压缩几张图片，要么得装软件要么得忍受一个又一个弹窗
- 参考文献格式化，每个期刊格式不一样，手动调整到崩溃
这些需求单个看都不复杂，但因为"散装"在各处——有的要装软件、有的要开网页、有的要付费——实际处理起来很费时间。
我们的想法很简单：把这些需求集中到一个地方，无广告、无水印、同一套交互规范，打开浏览器就能用。
当前覆盖的类别
PDF 处理
压缩、合并、拆分、加水印、转扫描件、提取图片、转图片、转 Word / PPT / Excel / Markdown、Markdown 转 PDF、Word 转 PDF、OCR 识别。
其中 PDF 转 Markdown 对需要将扫描版资料入库做 AI 问答的用户来说是一个关键能力——转成 Markdown 后的文档可以被后续的检索和图谱构建流程直接消费。
图像处理
压缩、格式转换、裁剪、SVG 转图片、图标生成、AI 证件照、AI 消除、抠图去背景、截图标注、配色提取、加水印、Base64 互转、拼接、九宫格切图、滤镜、GIF 拆帧、SVG 优化、社交封面尺寸适配。
AI 证件照和 AI 消除是我们利用内置大模型能力做的差异化工具——传统在线工具很难做到"换背景""去水印"这种语义理解级别的操作。
音频处理
转写、文本转语音、格式转换、从视频提取音频、降噪、剪辑与合并。
音频转写支持实时字幕预览，转写结果可以直接导出为字幕文件或纯文本，便于后续整理。
视频处理
压缩、格式转换、无损剪切、转 GIF、字幕烧录、录屏转换。
视频压缩默认在画质和体积之间取平衡，同时提供"极致压缩""画质优先"两种模式可选。
表格与数据
多表合并、去重、表格差异对比、报告模板填充、JSON 转 Excel。
多表合并在报销单汇总、调查问卷聚合这类场景下使用频率很高。
文本处理
文本清洗、正则替换、HTML 转纯文本、敏感词过滤、字数统计。
文本清洗能处理 AI 生成内容中常见的格式残留——比如从聊天界面复制出来的带编号、时间戳的对话记录，一键变成干净文本。
文件管理
批量重命名、扩展名修改、重复文件查找、压缩包解压、文件哈希、密码生成。
AI 创作
AI 生成 PPT、流程图、思维导图、海报、HTML 页面、AI 速写。
这些是带 AI 能力的"智能型工具"——输入一个主题，AI 理解需求后生成结构化内容。比如 AI 生成 PPT 会先输出大纲供确认，再生成带页面的完整演示文稿。
PPT 工具
压缩、提取图片、转图片。
开发与设计
CSS 渐变生成、CSS 阴影生成、单位换算。
计算工具
工作日计算、个税计算、贷款计算、年龄计算、薪资计算。
科研工具
参考文献格式化、公式编辑器、LaTeX 公式识别（OCR）、科研绘图。
LaTeX 公式识别是一个很典型的"高频痛点"——从论文截图里把公式变成 LaTeX 代码，省去手动敲公式的枯燥。
为什么做这么多工具
两个原因，都很实际。
第一，这些是真实的高频需求
转个格式、压缩一下、把公式截图变成 LaTeX——这类事情每天都在发生。但为此装一堆软件、或者上一堆广告满天飞的在线站点，体验都不好。
我们用实际数据做了优先级排序：优先做搜索量大、现有方案体验差、开发成本可控的工具。 比如 PDF 类工具是第一批上的，因为几乎人人都会用到。科研工具是后来加的，因为用户反馈很集中。
第二，工具是知识资产的自然入口
用户为了转一份 PDF 而来，转完之后这份文件已经在他的资料库里了——可以直接开始问答、可以沉淀进知识图谱。工具解决的是"来"的问题，知识资产解决的是"留"的问题。
这个闭环的价值在于没有额外的转化摩擦。用户不是"先成为知识库用户再上传资料"，而是"来用了个工具，顺便就存了一份资料"。从一个工具用户到一个知识库用户，中间的路径是天然的、不费力气的。
一致的使用体验
一百多个工具如果各做各的，用起来会非常混乱。我们对所有工具页面强制统一了结构：上传区域 → 参数调整 → 效果预览，上传组件、队列行为、错误提示全站一致。
具体来说：
- 上传方式统一：所有工具都支持拖拽和点击上传，队列最多十个文件，单个文件可移除，格式校验在前端先完成
- 参数区域固定位置：左侧参数面板，右侧预览区，预览区在页面滚动时吸顶
- 处理状态可预期：转圈有进度提示、耗时长的任务走异步通知、错误有明确的文案告诉用户哪里出了问题
- 结果下载统一入口：所有工具的输出文件都从一个位置下载，下载历史也在同一处查看
这样做的结果是：学会用一个工具，就会用全部工具。
具体的设计约束和取舍，写在《一百多个工具页面，靠一套模板管住》里。
工具是怎么选出来的
不是拍脑袋。我们的选择依据：
- 搜索热度：用户在找什么但现有方案不够好
- 与核心场景的关联度：是否和"处理文件→理解内容→积累知识"这条主线相关
- 技术可行性：在浏览器端能否实现，是否需要服务端计算，成本能否承
- 差异化空间：能否利用内置 AI 能力做出竞争对手做不了的事
举个例子：LaTeX 公式识别（OCR）这个工具的选择——搜索量不算最大的，但它直击了科研用户的核心痛点；而且技术上我们用自有的视觉模型来做识别准确率比市面上大多数方案要好；同时拍公式和读论文是强关联的行为，这个用户的资料库里有大量需要公式识别的场景。
后续
工具会继续按真实使用数据来增补——我们优先做用户实际在找、但目前还没有的，而不是为了凑数字。
有想要但还没有的工具，欢迎告诉我们。
想在你的业务里试试同样的做法？
告诉我们业务问题与数据现状，我们会给出方案建议与落地路径。
需要帮助？
联系我们的团队，获取贴合你业务场景的方案建议。