← 全部作品

AI Agent 與 MCP2026

Paper2AI

起點是一疊健檢報告照片:先做了一個逐頁轉寫成保留頁碼與來源的 Markdown 工具,後來整進文件掃描工作台,一路串起裁切、拉平、AI OCR、圖文對照校對跟 PDF/Markdown 匯出。

PWAPrivate

Why

為什麼做

一次把幾十張文件照片全丟給 AI,很難檢查有沒有漏頁、順序亂掉或哪頁辨識出錯。必須先整好頁序再送讀,最後還要能對照原圖人工校對。

What I built

我做了什麼

  • 批次選圖、拖曳排順序、放大檢視與逐頁轉寫,保留頁碼與來源檔名。
  • 支援切換 Codex CLI 與 OpenAI-compatible Vision provider,每頁直接看處理狀態和實際 token 用量。
  • 從獨立 PWA 整進掃描工作台後,OCR 完可以直接對照原圖改字再匯出。

Role & AI

我和 AI 怎麼分工

從自己整理紙本報告的痛點出發,決定手機拍完接回電腦校對的動線,細節實作由 coding agents 接力迭代。

Trade-offs

實測後推翻與取捨

  • 最早先做了 Android 原型,後來改走共用 Web/PWA 介面,省下兩邊維護成本;相簿多選與單張快拍保持分開,留住整疊批次整理的順手度。
  • 前端負責切頁、排序與圖文對照校對,實際 OCR 辨識可自由切換 Codex CLI 或各家 OpenAI-compatible Vision 模型。

Outcome

成果

已從單純的「照片轉 Markdown」小工具,整併成單一服務的掃描與校對工作台。

JavaScriptPWANode.jsVision LLMOpenAI-compatible API