AI-accelerated experiments for real-world impact.
WW-AI-Lab = 旺哥聊AI.
我是把 生成式 AI 当成拍档，以交付业务成果为目标的AI布道师。
用 LLM、Agentic Workflow 与自动化技术，帮助企业完成 智能化升级、降本增效。
这里不是产品发布中心，而是 实验车间：
每个仓库都是一次探索——可能是快速 Demo、学习笔记，或灵光一现的原型。
所有项目均由 AI（含 Cursor IDE、Copilot、RAG、Agent）辅助完成。
| 主题 | 示例仓库 | 说明 |
|---|---|---|
| 📄 Document Processing | any2markdown, azure-gpt-image |
文档转换服务、AI图像生成MCP服务 |
| 🚀 Development Tools | Awesome-MCP-Scaffold |
MCP服务器开发脚手架，5分钟启动生产级MCP服务 |
| 🔄 Enterprise Automation | browser-use-playwright, Dify-Batch |
浏览器自动化 + AI 自愈、Dify Workflow 批量执行系统 |
| 🤖 Agentic Workflow | jinja2-mcp-server |
Jinja2模板转换的MCP服务，AI工作流模板自动化 |
| 🖼️ Gen-AI & Vision | shape-mask-demo |
JavaScript前端图片编辑 |
Disclaimer: 这里的仓库默认开源，仅用于学习与验证思路；不保证生产可用。欢迎 Fork / Issue / PR，一起把想法变成现实。
🔥 any2markdown ⭐ 18
高性能文档转换服务器，同时支持 Model Context Protocol (MCP) 和 RESTful API 接口
- 核心特性：PDF/Word/Excel → Markdown转换、图片提取、页眉页脚移除、批量处理
- 适用场景：文档数字化、知识库构建、AI训练数据准备
- 技术栈：Python + MCP Protocol + REST API
- 亮点：双协议支持，既可作为MCP服务集成到AI工作流，也可独立部署为REST服务
🚀 Awesome-MCP-Scaffold ⭐ 14
开箱即用的 MCP 服务器开发脚手架，5分钟启动完整 MCP 服务器
- 核心特性：快速启动、内置开发提示词、生产级架构、最佳实践内置
- 适用场景：MCP服务快速开发、AI工具集成、企业级MCP部署
- 技术栈：Python + MCP SDK v1.10.1 + FastAPI
- 亮点：基于Cursor IDE优化，一句话完成MCP Server tools开发
🖼️ azure-gpt-image ⭐ 1
基于Azure OpenAI gpt-image-1模型的MCP服务器，为AI助手提供图像生成和编辑能力
- 核心特性：图像生成、图像编辑、MCP协议支持、Streamable HTTP Transport
- 适用场景：AI助手图像功能、自动化图像处理、企业级图像生成
- 技术栈：Python + Azure OpenAI + MCP SDK
- 亮点：官方MCP SDK实现，企业级Azure服务集成
🎯 browser-use-playwright ⭐ 2
一站式自动化方案：Browser-Use 低代码录制 → Playwright 稳定执行 → Browser-Use 智能自愈
- 核心特性：AI 录制 + 稳定执行 + 智能自愈
- 适用场景：电商数据采集、自动化测试、表单批量填写
- 技术栈：Browser-Use + Playwright + FastAPI
🚀 Dify-Batch ⭐ 4
Dify Workflow 批量执行系统，让 AI 工作流处理大规模任务
- 核心特性：批量任务调度、进度监控、结果导出
- 适用场景：内容批量生成、数据批量处理、AI 工作流自动化
- 技术栈：Dify API + 任务调度 + Web UI
🤖 jinja2-mcp-server ⭐ 1
Jinja2 3.1.*版本的模板转换功能的MCP服务，便于在AI工作流或Agent中接入
- 核心特性：模板转换、MCP协议支持、AI工作流集成
- 适用场景：AI Agent模板处理、自动化文档生成、工作流模板转换
- 技术栈：Python + Jinja2 + MCP Protocol
- 每个项目都会附带：
.cursor/rules—— 精简、专业的 Cursor Rules，方便你在 Cursor IDE 直接复现我们的上下文、提示词与代码风格。docs/—— 记录从想法 → 原型 → 迭代的关键决策、踩坑与最佳实践。
这样你可以 快速理解并深度探索，将原型迁移到自己的生产环境。
当某个原型在实践中证明有效，我们会将其 升级为生产级方案 并迁移到企业级组织：
👉 https://github.com/YFGaia
- 原型仓库仍保留在 WW-AI-Lab，方便社区复盘演进历程；
- 正式版本会提供更严谨的测试、文档与长期维护，适合直接商用。
- 实践出真知 – 行业对 AI 期待高，但落地案例少。我们用 Demo 证明「可行」并记录踩坑。
- 社区共建 – 分享代码、流程与文档，降低他人复现门槛，反过来获得更多反馈与灵感。
- 商业闭环 – 成熟方案迁移到企业组织，与客户一起 降本增效，反哺更多开源实验。
| 渠道 | 地址 | 用途 |
|---|---|---|
| toxingwang@gmail.com | 合作 / 业务咨询 | |
| 🐦 X (Twitter) | @WW_AI_Lab | 最新动态、技术碎片 |
| 💬 微信 | toxingwang |
深度交流、社群邀请，添加请注明来源 |
- 代码默认 MIT（若仓库内有特殊 License 以各自 README 为准）。
- 请勿直接用于生产环境；若要商用，欢迎邮件或微信洽谈获得专业支持。
- 使用本组织任何代码即视为接受相应 License 条款。