书签智能中心专业版

付费版专享能力

核心能力

书签抓取

针对书签抓取,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. 输入: 用户提供书签抓取相关的配置参数、输入数据和处理选项. 输出: 返回书签抓取的处理结果。- 验证返回数据的完整性和格式正确性

• 参考书签抓取的配置文档进行参数调优

文章全文提取

针对文章全文提取,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. 输入: 用户提供文章全文提取相关的配置参数、输入数据和处理选项. 输出: 返回文章全文提取的处理结果。- 验证返回数据的完整性和格式正确性

• 参考文章全文提取的配置文档进行参数调优

关键词分析

针对关键词,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. 输入: 用户提供关键词分析相关的配置参数、输入数据和处理选项. 输出: 返回关键词分析的处理结果。- 验证返回数据的完整性和格式正确性

• 参考关键词分析的配置文档进行参数调优

适用场景

场景一：自动化后台监控与通知

专业版以后台守护进程运行，自动监控新书签并实时推送高价值洞察.

# 启动后台守护进程
npm run daemon
# ...
# 管理守护进程
pm2 status bookmark-smart-hub      # 查看运行状态
pm2 logs bookmark-smart-hub        # 查看日志
pm2 restart bookmark-smart-hub     # 重启
pm2 stop bookmark-smart-hub        # 暂停

通知示例（Telegram 推送）

📚 高价值洞察发现
# ...
🎯 内容: 向量数据库在 RAG 系统中的实践
📝 作者: @aiengineer
🔗 链接: example.com/vector-rag
# ...
💡 核心概念:
- 向量索引优化策略
- 混合检索（向量+关键词）
- 上下文窗口管理
# ...
🔨 对你的项目建议:
- 交易机器人: 用向量存储历史行情模式
- Agent 记忆: 将对话历史向量化检索
# ...
⭐ 优先级: 高

场景二：AI 深度分析与项目关联

AI 不仅提取关键词，还分析内容与用户项目的关联，给出可执行建议.

# 示例
import json
# ...
# 模拟 AI 分析结果
analysis = {
    "bookmarkId": "bookmark-042",
    "title": "向量数据库在 RAG 系统中的实践",
    "aiAnalysis": {
        "summary": "探讨了向量数据库在检索增强生成系统中的架构设计与性能优化",
        "keyConcepts": [
            "向量索引（HNSW/IVF）",
            "混合检索策略",
            "上下文窗口管理",
            "重排序算法"
        ],
        "actionableItems": [
            "评估 HNSW 索引参数对召回率的影响",
            "实现向量与关键词混合检索",
            "设计上下文压缩策略降低 Token 消耗"
        ],
        "projectRelations": {
            "交易机器人": "用向量存储历史行情模式，实现相似场景检索",
            "Agent 记忆": "将对话历史向量化，支持语义检索而非时间排序"
        },
        "priority": "high",
        "hasActionableInsights": True
    }
}
# ...
print(json.dumps(analysis, ensure_ascii=False, indent=2))

场景三：知识库全文检索与趋势发现

跨书签搜索已积累的知识，发现反复出现的主题趋势.

# 全文检索知识库
node （请参考skill目录中的脚本文件） --query "向量检索" --limit 10
# ...
# 输出示例
# 🔍 搜索结果: "向量检索"
# 1. [高] 向量数据库入门指南 (bookmark-001)
#    相关度: 0.95 | 日期: 2026-07-15
# 2. [高] 向量数据库在 RAG 系统中的实践 (bookmark-042)
#    相关度: 0.92 | 日期: 2026-07-18
# 3. [中] embedding 技术全景 (bookmark-015)
#    相关度: 0.78 | 日期: 2026-07-10

# 发现趋势主题
node （请参考skill目录中的脚本文件） --period "30d"
# ...
# 输出示例
# 📈 近30天趋势主题:
# 1. 向量数据库 (出现 8 次, 上升趋势 ↑)
# 2. RAG 系统 (出现 6 次, 上升趋势 ↑)
# 3. Agent 架构 (出现 5 次, 稳定 →)
# 4. 提示工程 (出现 3 次, 下降趋势 ↓)

使用流程

1. 安装依赖与 PM2（后台守护需要）.

cd skills/bookmark-smart-hub
npm install
npm install -g pm2

2. 运行配置向导.

npm run setup

向导将引导你完成：

• 社交平台凭证配置
• AI 分析模型选择（默认 GPT-4o-mini）
• 通知渠道配置（Telegram / Slack / Discord）
• 个人项目与兴趣描述（提升 AI 关联精准度）
• 监控频率设置

3. 启动后台守护进程.

npm run daemon

4. 验证运行状态.

pm2 status bookmark-smart-hub
pm2 logs bookmark-smart-hub --lines 20

输入格式

输出格式

{
  "success": true,
  "data": {
    result: "hub 相关配置参数",
    result: "hub 相关配置参数",
    result: "hub 相关配置参数",
    "metadata": {
      "template_used": "reviewer",
      "word_count": 0,
      "style": "专业"
    }
  },
  "error": null
}

输出模板参考: assets/output.json

异常处理

依赖说明

运行环境

• Agent 平台：支持 SKILL.md 的任意 AI Agent（Claude Code / Cursor / Codex / Gemini CLI 等）
• 操作系统：Windows / macOS / Linux
• 运行时：Node.js v16+

依赖说明(补充)

API Key 配置

• 在 .env 文件中配置社交平台凭证（AUTH_TOKEN 与 CT0）.
• 在 config.json 的 aiApiKey 字段配置 AI 分析模型 API Key.
• 通知渠道凭证（Telegram Bot Token、Slack Webhook 等）在对应通知配置中填入.

# .env 环境变量示例
AUTH_TOKEN=your_social_auth_token
CT0=your_social_ct0_token
AI_API_KEY=your_ai_api_key
TG_BOT_TOKEN=your_telegram_bot_token
SLACK_WEBHOOK_URL=your_slack_webhook_url

可用性分类

• 分类：MD+EXEC（纯 Markdown 指令，部分功能需要 exec 命令行执行能力）
• 说明：基于 Markdown 的 AI Skill，通过自然语言指令驱动 Agent 执行任务。专业版在免费版基础上新增自动化监控、AI 深度分析与多渠道通知，存储格式与配置向后兼容免费版.

案例展示

示例1: 基础用法

输入:

{
  "content": "示例数据",
  "content": "示例数据",
  "style": "示例数据"
}

输出:

示例数据

示例3: 边界情况 - 边界情况

输入:

{
  "content": "示例数据"
}

输出:

示例数据

常见问题

Q1：专业版如何兼容免费版？

专业版与免费版使用相同的存储格式。免费版创建的 JSON 文件可直接被专业版读取，AI 分析结果会自动补全至 aiAnalysis 字段，不影响原有的关键词分析数据.

Q2：后台守护进程意外停止怎么办？

pm2 status                          # 查看状态
pm2 logs bookmark-smart-hub         # 查看错误日志
pm2 restart bookmark-smart-hub      # 重启

若频繁崩溃，检查凭证是否过期、磁盘空间是否充足、网络是否正常.

Q3：AI 分析结果不够精准？

• 将 contextProjects 填写得更具体（包含技术栈、目标、当前阶段）.
• 尝试更换 AI 模型（如从 gpt-4o-mini 升级至 gpt-4o）.
• 检查文章全文提取是否完整，内容不完整会导致分析偏差.

Q4：支持哪些通知渠道？

专业版支持 Telegram、Slack、Discord 三种通知渠道，可同时开启多个。通知仅在内容优先级达到 notifyThreshold 时触发.

Q5：全文检索支持中文吗？

支持。专业版内置中文分词，支持中英文混合全文检索.

Q6：趋势发现是如何工作的？

系统定期分析知识库中的书签，按主题聚类统计出现频率，计算上升/稳定/下降趋势。趋势周期可在 trends.analysisPeriod 中配置（如 7d、30d、90d）.

Q7：可以自定义 AI 模型吗？

可以。在配置中设置 aiModel 与 aiApiKey。企业用户可配置自有 API 端点，支持 OpenAI、Anthropic 及兼容 OpenAI 接口的自部署模型.

Q8：处理的书签会重复分析吗？

不会。系统通过 bookmarks.json 状态文件记录已处理的书签 ID，重复运行时自动跳过已分析的书签.

Q9：数据隐私如何保障？

• 凭证存储在本地 .env（权限 600），不上传任何第三方.
• 书签内容存储在本地知识库.
• AI 分析调用外部 LLM API 时仅发送文章文本，不发送个人凭证.
• 无遥测、无回传.

错误处理