【标签】 学习工作
【标题】 学习工作赛道 · 第二大脑知识采集引擎 - 一键入知识库 DEMO
【正文】
0. 自我介绍
一个企业信息化的老兵，已闲散居家，却始终充满好奇心，AI技术飞速的迭代，能给工作生活带来哪些变化。按捺不住手痒，亲手操刀，体验AI的魔力。
AI的潜力远远超出我的认知，启发性对话，开放式的对话，更有利于挖掘AI的潜能，不要忘记与AI之间的制订规约，划定AI的行为边界，才能更好的满足人的需求。需要懂得什么问题才是好问题，提升问问题的能力，在这里很重要。
1. Demo 简介
是什么：一个浏览器端知识采集引擎的交互原型网站，完整演示本地文件与网页内容一键抓取、AI 解析、自动分类入库到 Obsidian 知识库的全流程。
面向谁：知识工作者、研究者、学生、Obsidian 重度用户——所有需要高效管理数字知识资产的人。
主要功能：
-
场景 A：本地文件一键入库 — 拖拽 PDF / Office 文件，大模型自动提取摘要、拆解观点/论据/方法/案例，根据已有仓库分类建议存放路径，人类确认后写入 Obsidian 并更新 MOC。
-
场景 B：浏览器扩展一键剪藏 — 浏览网页、公众号文章、AI 对话时，一键唤醒扩展抓取全文或高亮内容，与场景 A 同流程完成解析与入库。
-
AI 智能分类与 MOC 联动 — 依据仓库已有领域分类自动建议路径，入库后同步更新 Map of Content，保持知识库结构自洽。
界面展示（科技风深色渐变 + 流动光效）：首页有流动光晕与网格纹背景，左侧玻璃拟态侧边栏导航，右侧主区包含 Hero 介绍、功能卡片、流程步骤、两大场景入口，点击进入后可模拟完整的"上传 → AI 解析 → 确认路径 → 入库"四步交互。
2. Demo 创作思路
灵感来源：日常使用 Obsidian 积累笔记时，发现"把外部知识放进仓库"这一步成本极高——要手动复制、整理结构、补链接、更新 MOC，大量时间消耗在搬运而非思考上。同时大模型的结构化解析能力已足够成熟，两者结合似乎能产生质变。
想解决的问题：
-
采集 friction 太高：看到好内容想存，但格式不统一（网页/公众号/PDF/对话），手动整理费时费力，导致"先收藏再说"，最终沦为信息垃圾场。
-
知识碎片化：每条笔记独立存放，缺乏观点级拆解与分类关联，无法形成可检索、可复用的知识网络。
-
MOC 维护成本高：仓库越用越乱，MOC 更新靠人肉，分类体系逐渐失效。
为什么做这个方向：知识管理工具的竞争已经从"存储与检索"转向"采集与加工"。现有产品（如 Readwise、Cubox）更偏向收藏夹思维，而 Obsidian 用户的核心诉求是"结构化地融入个人知识体系"。我判断真正的痛点不在于"存下来"，而在于"存进去时就已经被理解、被归类、被关联"。因此聚焦于"AI 解析 + 自动分类 + MOC 联动"这个闭环，而不是做一个又一个剪藏工具。取舍上，暂时不做编辑器和搜索，只把"入仓"这一件事做透，因为这是当前最高频的 friction 点。
3. Demo 体验地址
第二大脑-知识采集引擎-DEMO.zip (15.2 KB)
4. TRAE 实践过程
开发步骤截图：
- 附关键任务对话的 Session ID（不少于 3 个），用于证明作品由 TRAE 开发完成。1933407715066682:7581897e08e2df8773c0c1b85cad9e39_6a470112584d58a6822ecf81.6a470112584d58a6822ecf84.6a470112584d58a6822ecf82:TRAE Work CN.0.1.21.no_sid.no_ppe.T(2026/7/3 08:23:46)
1933407715066682:01e451433df27274879ba41b1f59f6b2_6a470112584d58a6822ecf81.6a4703b2584d58a6822ecfea.6a4703b2584d58a6822ecfe8:TRAE Work CN.0.1.21.no_sid.no_ppe.T(2026/7/3 08:34:58)
1933407715066682:67167562034e5dee4c29713d4d84cbe5_6a470112584d58a6822ecf81.6a47067c584d58a6822ed00e.6a47067c584d58a6822ed00c:TRAE Work CN.0.1.21.no_sid.no_ppe.T(2026/7/3 08:46:52)