这个时代,每个人都可以用AI给自己开发个人定制化软件

人生第一次独立开发App

一直都有看微信公众号文章的习惯，但现在的信息太爆炸了，尤其在软件行业中，技术迭代的速度非常快，我收藏了很多文章，却来不及看，其中不乏经典，也有水文，也有很多文章的内容，其实是雷同，相似的。所以，为了找个助手帮我甄别，就孕育了这个App的想法。

把微信文章链接粘贴进去，抓取文章，调用大模型分析内容，整合到知识库，并且可以用自己的知识库，来帮助我自己写材料，所有的文字全部保存在本地电脑中。

这样，至少以后每次问DeepSeek类似问题的时候，我不需要费劲脑汁，每次输入很长的背景了，因为背景都在我这个App里。

我没有任何代码功底，全程AI开发，半下午就做出来了，当前只有macOS系统版本，以后再出windows吧！

STEP1：粘贴文章链接（任何网址）

STEP2：调用AI分析

*需要自己配置大模型，附带了购买token说明

STEP3：调用AI分析

STEP4：自动创建分类，选择保存至知识库

STEP5：知识库储存内容

STEP6：结合知识库，提出一个问题

STEP7：得到根据知识库内容产生的答案

（这个输出确实不咋地，各位先别用了，先用总结知识功能吧）

———————正文结束———————

这个App的icon，其实不是我的本意，是AI自己的想法，那就随它去吧

以下是AI自己写的产品说明：

KnowledgeAssistant（ShawnAssistant）产品说明 · v0.1.0

当前版本：0.1.0（以仓库根目录 package.json 为准）安装包显示名：KnowledgeAssistantnpm 包名：shawn-assistant定位：本地优先的桌面端 AI 总结助手 — 从网页或粘贴内容提取文章，调用大模型生成摘要与分类建议，将内容以 Markdown 形式归档到本地文章库，并按「领域 / 分类 / 知识主题」组织知识库；另含 材料助手，用于拼装提示词并可选调用已配置模型生成终稿。

一、产品要解决什么问题

痛点	KnowledgeAssistant 的应对方式
收藏链接后很少再读，信息「进了收藏夹就消失」	一键抓取或粘贴正文，落盘为带元数据的 Markdown 文章，便于检索与复盘
摘要、分类靠人工，耗时且不一致	由你配置的 LLM 生成摘要、要点与分类建议，减少重复劳动
笔记散落在各平台，难以形成体系	文章库 + 知识库两级结构，主题文档聚合，数据目录可自选、可迁移
写报告/材料时要反复从笔记里复制拼接	材料助手：按任务勾选知识库文档，合成提示词；可选用应用内 LLM 生成终稿并保存到 `material-drafts/`
担心云端笔记隐私与厂商锁定	本地优先：文章、知识库与配置默认在用户数据目录（可在设置中修改），不依赖单一云端笔记产品

二、核心功能一览（与当前实现对齐）

收录文章

通过 URL 抓取网页正文（基于 Readability + jsdom）；抓取不便时可使用 HTML/纯文本粘贴等降级路径。
处理流程中包含写入文章库与知识库相关逻辑（具体字段与 frontmatter 以落盘文件为准）。

文章库

浏览已收录文章，支持列表与筛选相关能力（如按收录日期等）。

知识库

树形浏览本地 knowledge-base/ 结构；查看与编辑 Markdown 主题文档。
与文件管理、删除同步等行为详见 TESTING.md。

材料助手

自动模式：使用设置中已配置的 LLM，根据任务与勾选的知识库生成终稿，并归档到数据目录下的 material-drafts/。
手动模式：将任务与知识库合成提示词，复制到网页版模型使用，不经过本应用发起对话（适合不想在本机走 API 的场景）。

设置

数据根目录：默认位于「文档」下的 KnowledgeAssistant-Data，可改为任意本地文件夹。
模型与密钥：写入用户数据目录下的 config.json；支持多厂商适配（当前代码侧包含 OpenAI、DeepSeek、Anthropic Claude、Kimi、MiniMax 等，以设置页可选项为准）。

工程与运行环境

技术栈：Electron 33 + React 18 + TypeScript + Vite；需 Node.js ≥ 20。
macOS 可通过 electron-builder 产出 .dmg / .zip（输出目录 release/<version>/）；Windows 目标在配置中可按环境启用。

三、典型应用场景

研究与学习：把长文、教程、论文类网页收成结构化摘要 + 本地存档，按主题归入知识库，方便日后写笔记或做分享。
行业资讯与投研素材：高频阅读公众号/媒体文章时，快速提取要点并分类，避免「读过即忘」。
技术团队个人知识库：将分散的技术文章沉淀为可搜索的 Markdown，与知识库主题对齐。
写作与汇报：用材料助手从已有知识库多选文档，一键拼提示词或生成初稿，缩短从「资料」到「成稿」的路径。

四、用户能获得的价值

时间：减少手动复制、摘要和归类的时间，把精力放在判断与创作上。
可控性：数据在本地目录，目录可迁移；API 密钥由你在本机配置，调用范围清晰。
连贯工作流：从「发现文章 → 收录 → 进知识库 → 材料再利用」在同一桌面应用内完成，减少切换成本。
扩展空间：v0.1.0 为早期版本，适合愿意自建数据目录与模型密钥、接受桌面端安装与更新的用户作为生产力底座持续迭代。

五、使用前的合理预期（诚实说明）

网页结构复杂或反爬严格的站点可能导致抓取失败，此时应依赖粘贴降级路径。
LLM 输出质量与费用取决于你所选模型与用量；应用侧依赖你已配置的 API。
macOS 未签名构建可能在其他机器上触发 Gatekeeper；仓库内附有安全提示说明文档路径（见 README）。
Windows 安装包需按 electron-builder 配置在对应环境构建，非默认开箱即用的发布形态。

六、版本信息摘要

项目	内容
版本号	0.1.0
产品展示名	KnowledgeAssistant
最低 Node（开发/构建）	≥ 20

本文档依据仓库当前 README.md 与 package.json 整理，若实现有迭代，请以代码与界面为准并更新本文版本号与章节。