背景與動機(jī)

作為一名經(jīng)常瀏覽網(wǎng)頁的開發(fā)者，我使用 OneTab 插件來管理我的瀏覽器標(biāo)簽頁。OneTab 不僅幫我節(jié)省了內(nèi)存，還讓我能夠?qū)⑾嚓P(guān)的網(wǎng)頁鏈接組織在一起。然而，隨著時間推移，我積累了大量的 OneTab 歸檔，這些寶貴的資源卻難以被有效利用。

主要痛點(diǎn)：

1. 歷史收藏難以檢索
2. 相關(guān)主題的鏈接分散在不同歸檔中
3. 無法快速找到特定主題的所有相關(guān)資源
4. 收藏的網(wǎng)頁內(nèi)容無法被有效利用

解決方案

我決定構(gòu)建一個基于 AI 的個人知識庫系統(tǒng)，將 OneTab 中的網(wǎng)頁收藏轉(zhuǎn)化為可查詢的知識。整個方案分為以下幾個步驟：

1. 數(shù)據(jù)提取與處理

首先，我開發(fā)了一個 Python 腳本來處理 Edge 瀏覽器的收藏夾數(shù)據(jù)：

# 從 Edge 收藏夾中提取 OneTab 鏈接
def get_onetab_urls(json_file):
    with open(json_file, 'r', encoding='utf-8') as f:
        bookmarks = json.load(f)

    onetab_urls = []
    for folder in bookmarks.get('收藏夾欄', []):
        if folder.get('name') == 'onetab 歸檔':
            for item in folder.get('children', []):
                if item.get('type') == 'url':
                    onetab_urls.append({
                        'name': item['name'],
                        'url': item['url'],
                        'date_added': item['date_added']
                    })
    return onetab_urls

2. 網(wǎng)頁內(nèi)容抓取

使用 requests 和 BeautifulSoup 庫來獲取和解析 OneTab 頁面內(nèi)容：

def parse_onetab_content(html_content):
    soup = BeautifulSoup(html_content, 'html.parser')
    groups = []

    for group in soup.find_all(class_='tabGroup'):
        group_title = group.find(class_='tabGroupLabel')
        if not group_title:
            continue

        title = group_title.get_text(strip=True)
        urls = []

        for tab in group.find_all(class_='tab'):
            link = tab.find(class_='tabLink')
            if link:
                url = link.get('href', '')
                name = link.get_text(strip=True)
                if url and name:
                    urls.append({
                        'name': name,
                        'url': url
                    })

        if urls:
            groups.append({
                'title': title,
                'urls': urls
            })

    return groups

3. 數(shù)據(jù)格式化

將處理后的數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化的 Markdown 格式：

# OneTab - 20220217
添加時間: 2022-02-17 06:22:42

## 文檔化方法論
- Documentation Matters: Human-Centered AI System to Assist Data Science Code Documentation in Computational Notebooks | ACM Transactions on Computer-Human Interaction: https://dl.acm.org/doi/abs/10.1145/3489465
- A study of the documentation essential to software maintenance: https://dl.acm.org/doi/abs/10.1145/1085313.1085331

---

4. 知識庫構(gòu)建

使用 Dify 平臺構(gòu)建 AI 知識庫：

1. 導(dǎo)入處理好的 Markdown 文件
2. 配置知識庫參數(shù)
3. 創(chuàng)建 AI Agent 并設(shè)置提示詞

最終效果

通過這個系統(tǒng)，我現(xiàn)在可以：

1. 快速檢索歷史收藏的網(wǎng)頁
2. 按主題組織相關(guān)資源
3. 通過自然語言查詢獲取相關(guān)信息
4. 發(fā)現(xiàn)不同歸檔中的相關(guān)主題

例如，我可以這樣查詢：

• "幫我找一下關(guān)于文檔化方法論的文章"

  
  
  image-20250524163231-ty3lk34.png
• "有哪些關(guān)于敏捷開發(fā)的資源？"
• "推薦一些關(guān)于 API 設(shè)計的最佳實(shí)踐"

技術(shù)亮點(diǎn)

1. 自動化處理：整個數(shù)據(jù)提取和處理過程完全自動化
2. 結(jié)構(gòu)化存儲：保持原有的主題分類結(jié)構(gòu)
3. AI 增強(qiáng)：利用 Dify 的 AI 能力實(shí)現(xiàn)智能檢索
4. 可擴(kuò)展性：支持持續(xù)添加新的 OneTab 歸檔

總結(jié)

這個項(xiàng)目不僅解決了我的個人知識管理問題，還展示了如何將日常工具與 AI 技術(shù)結(jié)合，創(chuàng)造出更智能的工作方式。通過將散落的網(wǎng)頁收藏轉(zhuǎn)化為結(jié)構(gòu)化的知識庫，我能夠更有效地利用這些資源，提高工作效率。

相關(guān)資源

• OneTab 插件
• Dify 平臺