wx-tfjs-demo
wx-tfjs-demo 是一个专为微信小程序设计的 TensorFlow.js 运行示例项目，旨在帮助开发者在微信生态中轻松实现人工智能功能。它解决了以往在小程序环境中部署机器学习模型时面临的技术门槛高、兼容性差以及摄像头帧数据处理复杂等痛点。通过该项目，用户可以直接在小程序内调用摄像头进行实时图像识别与预测，无需自行底层改造核心库。
这款工具主要面向微信小程序开发者、AI 技术爱好者以及希望将前端智能落地的研究人员。其独特的技术亮点在于巧妙利用了 TensorFlow.js 的多平台扩展能力，结合微信官方插件实现了模型的加载、训练与推理；同时，作者针对不同设备摄像头帧数据不一致的难题，摸索出了一套通用的数据裁切方案，显著提升了跨机型的预测准确率。作为开源项目，wx-tfjs-demo 不仅提供了完整的代码演示，还同步更新于实际应用「AI Pocket」，是探索移动端轻量级 AI 应用的理想起点。
使用场景
某初创团队希望开发一款名为“智能识物”的微信小程序，让用户能直接通过手机摄像头实时识别植物种类，而无需跳转外部链接或上传照片到服务器。
没有 wx-tfjs-demo 时
- 开发门槛极高：开发者需要深入修改 TensorFlow.js 核心源码（魔改 tfjs-core）才能适配小程序环境，技术风险大且维护成本高昂。
- 数据对齐困难：小程序
onCameraFrame获取的原始帧数据与 Canvas 显示画面存在偏差，不同机型甚至前后摄像头的处理逻辑不一致，导致模型输入错误。 - 推理延迟严重：若采用传统云端识别方案，需将图片上传至服务器再返回结果，受网络波动影响大，用户体验卡顿且不流畅。
- 隐私合规风险：用户生物特征或环境图片需上传第三方服务器，面临严格的数据隐私合规审查，增加了项目上线难度。
使用 wx-tfjs-demo 后
- 开箱即用集成：直接基于 wx-tfjs-demo 架构，利用成熟的微信插件加载模型，无需侵入式修改底层代码，大幅缩短研发周期。
- 精准帧数据处理：复用项目中已摸索出的跨平台帧数据裁切方案，自动解决不同设备上的画面不一致问题，确保模型预测准确率。
- 端侧实时响应：借助 TensorFlow.js 在小程序端的本地推理能力，实现毫秒级识别反馈，即使在弱网环境下也能流畅运行。
- 数据本地闭环：所有图像计算均在用户手机本地完成，图片不出设备，天然满足隐私保护要求，降低合规成本。
wx-tfjs-demo 通过屏蔽底层适配复杂度并提供标准化的端侧推理方案，让开发者能专注于业务逻辑，真正实现了 AI 模型在微信小程序中的低成本、高性能落地。
运行环境要求
- macOS
未说明
未说明
快速开始
wx-tfjs-demo
这是一个在微信小程序中运行 TensorFlow 的示例项目，代码会不定期与小程序「AI Pocket」同步更新。
如何运行
运行环境要求
推荐系统：MacOS
NodeJS：v18.x.x
微信基础库版本：>= 2.29.0
微信开发者工具：>= v1.06.2210310
微信开发者工具的项目配置：
- 勾选「ES6 转 ES5」
- 勾选「增强编译」
- 测试时请勾选「不校验合法域名……」
使用方式
- 克隆代码到本地
- 修改 project.config.json 中的
appid配置 npm i安装依赖（有时可能需要使用npm i --force）npm run build编译依赖- 手机扫描开发者工具的预览码
故事
早期实现方式
通过改造 tfjs-core，使 TensorFlow.js 可以在小程序中运行。小程序调用摄像头获取图像，并将图片显示在 canvas 上。利用小程序的 API 可以获取到 canvas 的「类 ImageData」数据，再调用 tfjs 的 API 进行预测。
对实现过程中的坎坷经历感兴趣的，可以查看博文 tfjs 移植到微信小程序 和 TensorFlowJS 移植再次尝试。
目前实现方式
由于 tfjs 已经优雅地实现了对多平台的支持，具体表现为可以通过扩展 platform 来完成「移植」，同时微信小程序也开放了更多有利的 API，因此目前不再采用侵入式地魔改 tfjs 的方式，而是借助 tfjs 的微信插件来提供模型的加载、训练、预测等功能。
尽管相比以前方便多了，但由于小程序的 onCameraFrame 获取到的帧数据与实际展示的并不一致，而且不同设备（甚至同一设备的前后摄像头）对原始帧数据的处理方式也不一样，要想得到准确的预测结果，确实让人头疼。
目前，我已经摸索出一套帧数据裁切方式，而且简单测试了下，效果不错。如果有照顾不到的机型，欢迎提 Issues & PR。
现在小程序的帧数据裁切方式在不同平台已经趋于一致。
小程序 Demo
小程序已更名为「AI Pocket」，我觉得这个名字挺有意义的，所以打算认真做好这个小程序。附上小程序二维码，欢迎大家体验 & 提出改进意见！
合作与交流
合作
本人在前后端开发、Docker & Swarm、持续部署、人工智能 NLP 领域都有所积累，能够快速提供成套的解决方案。如果有机会，欢迎通过各种联系方式咨询合作事宜。
另外，本项目代码开源，欢迎各位感兴趣的同学一起添砖加瓦。当然，也不限制商用，但是请尊重他人的劳动成果，不要做一些「不厚道」的事。如果本项目对你有帮助，欢迎随意打赏。
交流
可以关注下我的 个人博客，或者个人微信公众号「猎人杂货铺」，会经常有一些技术分享 & 生活感悟，欢迎多多交流！
关注公众号，留言获取「AI Pocket 交流群」的二维码，方便交流！~
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。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
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。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器