一个根据你的身份、兴趣爱好和关注内容不断成长的个人知识仓库。
收集文章、学习资料、项目文档或网页链接 → Kimi 自动生成摘要、标签、核心观点和学习建议 → 通过阅读、收藏与反馈，推荐内容会持续进化，形成「收集内容 — 理解内容 — 建立关联 — 持续更新」的自增长闭环。
- 🪪 个人画像：设置身份、专业、兴趣标签和关注主题
- 📥 多种内容来源：直接粘贴文本 / Markdown，或输入网页链接自动抓取正文
- 🤖 AI 分析（Kimi API）：生成摘要、关键词标签、核心观点、内容分类、相关主题、下一步学习建议
- 🃏 知识卡片：结构化展示分析结果，支持展开、收藏、修改标签、删除
- 🧭 推荐主题：基于透明的本地评分算法（标签权重），随你的行为自动调整
- 👍 反馈闭环：点击「有帮助 / 不相关」直接影响推荐结果
- 💾 本地优先：所有数据存在浏览器 localStorage，无需数据库、无需登录
- 🧪 Demo 模式：未配置 API Key 时使用本地示例数据，项目照常运行
- Next.js（App Router）+ TypeScript
- Tailwind CSS v4
- Vitest（推荐算法单元测试）
- 无数据库、无登录系统、无向量数据库
# 1. 安装依赖
npm install
# 2.（可选）配置 Kimi API Key
cp .env.example .env.local
# 编辑 .env.local，填入你的 KIMI_API_KEY
# 3. 启动开发服务器
npm run dev打开 http://localhost:3000 即可使用。
npm run test测试验证推荐权重会根据用户反馈（有帮助 / 不相关）发生变化，见 __tests__/recommend.test.ts。
如果没有配置 KIMI_API_KEY，项目会自动进入 Demo 模式：
/api/analyze返回本地启发式分析结果（lib/demo-analysis.ts），不调用任何外部服务- 界面顶部会显示 Demo 模式提示
- 添加内容、知识卡片、推荐主题、反馈闭环等所有功能均可正常体验
配置真实 Key 后刷新页面即可切换到 AI 分析。
Kimi API 由 Moonshot AI 提供，采用 OpenAI 兼容格式。本项目在服务端直接 fetch 调用（不依赖 SDK）：
- 接口：
POST https://api.moonshot.ai/v1/chat/completions - 鉴权：请求头
Authorization: Bearer <KIMI_API_KEY> - 默认模型：
kimi-k2.6（可通过KIMI_MODEL覆盖） - 文档：https://platform.kimi.ai/docs/api-reference
调用流程（lib/kimi.ts）：
- 服务端将用户提交的标题和内容（截断到 2 万字符）连同 system prompt 发给 Kimi
- 要求模型只返回 JSON（摘要 / 标签 / 核心观点 / 分类 / 相关主题 / 下一步建议）
- 对返回内容做容错解析（剥离 markdown 代码块、提取最外层花括号）
- 60 秒超时保护，失败时返回明确错误信息
API Key 只在服务端读取（process.env.KIMI_API_KEY），不会打包进前端代码。
| 变量 | 必填 | 说明 |
|---|---|---|
KIMI_API_KEY |
否 | Kimi API 密钥，不填则进入 Demo 模式 |
KIMI_MODEL |
否 | 模型名称，默认 kimi-k2.6 |
KIMI_BASE_URL |
否 | API 基础地址，默认 https://api.moonshot.ai/v1 |
├── app/
│ ├── layout.tsx # 根布局（中文 lang、页面元信息）
│ ├── page.tsx # 知识工作台主页面（客户端状态管理）
│ ├── globals.css
│ └── api/
│ ├── analyze/route.ts # 内容分析：有 Key 走 Kimi，无 Key 走 Demo
│ └── fetch-url/route.ts # 网页链接正文抓取（服务端，避免 CORS）
├── components/
│ ├── Sidebar.tsx # 左侧导航
│ ├── ProfilePanel.tsx # 右侧个人画像 / 学习进度 / 推荐主题
│ ├── KnowledgeCard.tsx # 知识卡片
│ ├── AddContentDialog.tsx # 添加内容对话框
│ ├── TagEditor.tsx # 标签编辑器
│ ├── SimpleChart.tsx # 学习进度条（无图表库）
│ └── EmptyState.tsx # 空状态
├── lib/
│ ├── types.ts # 数据类型定义
│ ├── storage.ts # localStorage 读写（含错误处理）
│ ├── recommend.ts # 标签权重评分与推荐算法
│ ├── kimi.ts # Kimi API 服务端封装
│ ├── demo-analysis.ts # Demo 模式本地分析
│ └── demo-data.ts # 示例数据
├── __tests__/recommend.test.ts # 推荐算法测试
├── .env.example
├── LICENSE # MIT
└── README.md
第一版使用简单、透明、可解释的本地评分（lib/recommend.ts）：
| 行为 | 对标签权重的影响 |
|---|---|
| 阅读条目 | +2 |
| 收藏条目 | +2 |
| 点击「有帮助」 | +1 |
| 点击「不相关」 | −3 |
- 权重限制在 [-10, 20]，负权重标签不会再出现在推荐中
- 与用户兴趣 / 关注主题匹配的标签额外 +1.5
- 推荐主题来自知识卡片的标签与关联主题，按总分排序
// ponytail: simple local scoring; replace with embeddings/vector search only when scale requires it- 所有用户数据（内容、分析结果、个人信息、标签权重）仅保存在你自己的浏览器 localStorage 中，不会上传到任何服务器，项目也没有任何数据收集
- 点击「添加并分析」时，你粘贴的标题和内容会通过本项目自己的 API 路由转发给 Kimi API 用于生成分析，除此之外不发送到任何第三方
- 网页抓取功能由服务端代为请求你提供的 URL
- 清除浏览器数据（或使用页内删除按钮）即可彻底删除所有本地数据
- 请勿在公开部署实例中粘贴敏感个人信息
任意支持 Next.js 的平台均可部署（如 Vercel）：
- 将代码推送到 GitHub
- 在平台中导入仓库
- 在环境变量设置中添加
KIMI_API_KEY（如需要） - 部署完成
注意：部署到公网后，用户数据仍只存在各自浏览器本地，但
/api/analyze会消耗你账号的 Kimi API 额度，建议只部署给个人或小范围使用。
npm run test包含的最小测试验证：正向反馈提高标签权重、负向反馈降低权重并将其移出推荐、反馈变化会改变推荐排序。