使用Claude Code將Moebius 0.2B影像修復模型移植到瀏覽器中執行

西蒙·威利森（Simon Willison）近日成功將Moebius 0.2B影像修復模型移植到了瀏覽器中，並分享了他的整個過程。Moebius是一個輕量級但效果出色的影像修復模型，能夠智慧填充影像中被標記的缺失區域。該模型最初依賴PyTorch和NVIDIA CUDA，主要面向伺服器端執行。威利森受到其小引數量的啟發，決定嘗試將其遷移到WebGPU上，實現純瀏覽器端的執行。

專案的起點是Hacker News上的一篇帖子，威利森隨後使用Claude.ai進行了初步可行性研究。研究建議使用ONNX Runtime Web作為WebGPU後端，而非他最初設想的Transformers.js。在確認可行後，他啟動了Claude Code來實際執行程式碼工作。

威利森在本地建立了專案目錄，並準備了必要的資源，包括Moebius的原始碼、模型權重以及ONNX Runtime和Transformers.js的倉庫。隨後，他讓Claude Code開始工作，並指示其頻繁提交程式碼和記錄notes.md檔案。整個過程他幾乎未檢視任何程式碼行，而是將時間花在測試和提出改進建議上。

在Claude Code的努力下，模型被成功轉換為ONNX格式，併發布了約1.24GB的權重到Hugging Face上的simonw/Moebius-ONNX倉庫。隨後，前端程式碼被部署到GitHub Pages，使用者可以透過simonw.github.io/moebius-web/訪問演示。

早期版本存在一個顯著問題：每次頁面重新整理都會重新下載約1.3GB的模型權重。為解決此問題，威利森參考了Whisper Web演示的實現，指示Claude Code使用CacheStorage API（caches.open("transformers-cache")）來快取權重，從而避免了重複下載。

最終，該模型在Chrome、Firefox和Safari上均能正常工作。威利森強調，這次經歷讓他認識到幾個關鍵點：Claude Opus 4.8能夠獨立完成從模型轉換到Web應用的全流程；主要瀏覽器已具備執行此類模型的能力；CacheStorage API可以處理大檔案快取；以及最重要的是，客戶端純Web應用的影像修復功能已成為可能。

威利森還分享了他從該專案中學到的技術細節，特別是關於ONNX的理解：ONNX是一種與框架無關的神經網路檔案格式，包含計算圖和權重，僅描述計算內容而不指定硬體，透過opset版本控制運算元語義。PyTorch內建的torch.onnx.export函式可用於匯出ONNX模型。

該專案的完整Claude Code對話記錄也已公開，供有興趣的開發者參考。