--- slug: "bookmark-smart-hub" name: "bookmark-smart-hub" version: 1.0.1 displayName: "书签智能中心专业版" summary: "自动化书签监控与 AI 深度分析平台，支持后台守护、多渠道通知与知识库全文检索。。面向知识工作者与团队的自动化书签监控与 AI 分析平台. 核心能力: 后台自动监控、AI 深度分析、多渠道通" summary_zh: "自动化书签监控与 AI 深度分析平台，支持后台守护、多渠道通知与知识库全文检索。。面向知识工作者与团队的自动化书签监控与 AI 分析平台. 核心能力: 后台自动监控、AI 深度分析、多渠道通" license: "MIT" edition: "pro" description: |- 面向知识工作者与团队的自动化书签监控与 AI 分析平台. 核心能力: 后台自动监控、AI 深度分析、多渠道通知、知识库全文检索、趋势发现、数据导出、团队共享. 适用场景: 知识管理自动化、研究素材收集、行业趋势跟踪、团队知识沉淀、内容灵感挖掘. 差异化: 专业版在免费版基础上新增自动化监控与 AI 分析，兼容免费版存储格式与配置. tags: - 书签管理 - AI分析 - 自动化监控 - 知识库 - 团队协作 - 趋势发现 - 工具 - 效率 - 知识 - 文档 - pm2 - bookmark-smart-hub - bash - npm tools: - read - exec - write homepage: "" category: "Automation" --- # 书签智能中心专业版 ## 付费版专享能力 | 能力 | 免费版 | 付费版 | |---|---|---| | 基础功能 | 支持 | 支持 | | 书签智能中心专业版自动化书签监控 | 不支持 | 支持 | | 书签智能中心专业版深度分析 | 不支持 | 支持 | | 书签智能中心专业版通知与知识库全文检索 | 不支持 | 支持 | | 多渠道消息批量发送 | 不支持 | 支持 | | 消息模板与变量注入 | 不支持 | 支持 | ## 核心能力 | 能力 | 免费版 | 专业版 | |:-----|:-----|:-----| | 书签抓取 | 支持 | 支持 | | 文章全文提取 | 支持 | 支持 | | 关键词分析 | 支持 | 支持 | | AI 深度分析 | - | 支持 | | 后台自动监控 | - | 支持 | | 多渠道通知 | - | 支持 | | 知识库全文检索 | - | 支持 | | 跨书签趋势发现 | - | 支持 | | 数据导出 | - | 支持 | | 团队知识共享 | - | 支持 | | 自定义 AI 模型 | - | 支持 | | 处理上限 | 20 条/次 | 无限制 | ### 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 # ## 快速开始 1. 确认运行环境满足依赖说明中的要求 2. 在AI Agent对话中调用本技能,提供必要的输入参数 3. 检查输出结果,根据需要进行后续处理 > 详细的输入输出格式请参考下方章节说明。 ## 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. ```bash # 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）** ```text 📚 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. ```python # 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. ```bash # 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 ``` ```bash # 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）. ```bash cd skills/bookmark-smart-hub npm install npm install -g pm2 ``` 2. 运行配置向导. ```bash 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. ```bash npm run daemon ``` 4. 验证运行状态. ```bash pm2 status bookmark-smart-hub pm2 logs bookmark-smart-hub --lines 20 ``` # ## 输入格式 | 参数名 | 类型 | 必填 | 说明 | |---:|---:|---:|---:| | content | string | 否 | bookmark-smart-hub处理的内容输入 |, | | content | string | 否 | bookmark-smart-hub处理的内容输入 |, 可选值: json/text/markdown | | style | string | 否 | 输出风格, 参考 `references/style.md` | ## 输出格式 ```json { "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 | 错误场景 | 原因 | 处理方式 | |:---:|:---:|:---:| | 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 | | 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 | | 网络错误 | 连接超时或不可达 | ## 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) | 依赖项 | 类型 | 是否必需 | 获取方式 | |:------|------:|:------|:------| | Node.js v16+ | 运行时 | 必需 | nodejs.org 官方下载 | | bird CLI | 命令行工具 | 必需 | `npm install -g bird` | | PM2 | 进程管理 | 必需 | `npm install -g pm2`（后台守护需要） | | 社交平台凭证 | API 凭证 | 必需 | 浏览器开发者工具获取 | | AI API Key | API 凭证 | 必需 | OpenAI / Anthropic 等平台申请 | | LLM API | API | 必需 | 由 Agent 内置 LLM 提供 | | 数据库 | 存储 | 可选 | 全文检索索引（可选，默认文件存储） | ### 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. ```bash # .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**: ```json { "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**: ```json { "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？ ```bash 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 | 错误场景(续)| 原因 | 处理方式 | |----:|:----|----:| | LLM响应超时或无响应 | 网络延迟或模型负载过高 | ，请求；确认Agent平台LLM服务正常 | | 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求，参考示例章节 | | 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述，补充必要的上下文信息 | | 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求；检查命令权限设置 |