第12篇:Agent驱动的个人效率工具 —— 书签分类与摘要生成实战

如果说前11篇是“道”与“法”的积累,那么这一篇就是“术”的集中呈现。本文以两个实用的Chrome扩展功能为载体,展示Agent技术在个人效率工具中的应用:一是AI书签分类——通过Chrome书签API获取未分类书签,调用后端Agent进行智能分类并自动创建文件夹;二是网页摘要生成——使用Readability.js提取正文,通过可配置的摘要风格(新闻式/学术式/要点式)和语言选项,生成高质量的网页摘要。同时展示完整的成本统计与Token消耗监控系统。


一、为什么Agent适合做个人效率工具?

个人效率工具的核心需求是“自动化重复劳动”。而Agent天然擅长这类任务:理解用户意图、调用外部系统、执行多步骤操作。

以书签管理为例,一个重度用户可能积累了上千个未分类的书签。手动分类需要打开每个书签、判断内容、创建文件夹、移动——极其繁琐。Agent可以将这个过程缩短为:点击一次按钮 → 自动完成分类。

同样,网页摘要生成也是Agent的典型应用场景:提取正文 → 理解内容 → 按要求生成摘要,整个过程无需用户手动阅读和总结。


二、项目一:AI书签分类

2.1 整体架构
Chrome扩展(前端)
    │
    ├── 获取未分类书签(chrome.bookmarks API)
    │
    └── 调用后端API
           │
           ▼
    FastAPI后端
           │
           ├── 书签分类Agent(DeepSeek API)
           │       │
           │       ├── 批量分类(一次API调用处理10-20个书签)
           │       └── 返回分类名称 + 置信度 + 关键词
           │
           └── 写入Chrome(通过扩展回写)
                   │
                   ├── 创建分类文件夹
                   └── 移动书签到对应文件夹
2.2 核心Chrome扩展代码

Manifest V3配置:

{
  "manifest_version": 3,
  "name": "AI 书签整理助手",
  "version": "1.0.0",
  "permissions": ["bookmarks", "storage"],
  "host_permissions": ["http://localhost:8000/*"],
  "background": {
    "service_worker": "background.js"
  },
  "action": {
    "default_popup": "popup.html"
  }
}

获取未分类书签:

// background.js
async function getUncategorizedBookmarks() {
  return new Promise((resolve) => {
    chrome.bookmarks.getTree((tree) => {
      // 书签栏通常是 tree[0].children[0]
      const bookmarkBar = tree[0].children.find(
        child => child.title === '书签栏'
      );
      if (!bookmarkBar || !bookmarkBar.children) {
        resolve([]);
        return;
      }
      // 收集直接放在书签栏下(不在任何子文件夹中)的书签
      const uncategorized = bookmarkBar.children.filter(
        node => node.url && !node.children
      );
      resolve(uncategorized.map(node => ({
        id: node.id,
        title: node.title,
        url: node.url
      })));
    });
  });
}

调用后端Agent:

async function classifyBookmarks(bookmarks) {
  const apiKey = await getApiKey(); // 从chrome.storage.local读取
  const response = await fetch('http://localhost:8000/api/classify-bookmarks', {
    method: 'POST',
    headers: {
      'Content-Type': 'application/json',
      'X-API-Key': apiKey
    },
    body: JSON.stringify({ bookmarks })
  });
  return response.json();
}

执行整理:

async function organizeBookmarks() {
  // 1. 获取未分类书签
  const bookmarks = await getUncategorizedBookmarks();
  if (bookmarks.length === 0) return;
  
  // 2. AI分类
  const results = await classifyBookmarks(bookmarks);
  
  // 3. 按分类分组
  const groups = {};
  for (const result of results.results) {
    const category = result.category;
    if (!groups[category]) groups[category] = [];
    groups[category].push(result);
  }
  
  // 4. 创建文件夹并移动书签
  for (const [category, items] of Object.entries(groups)) {
    // 创建分类文件夹
    const folder = await createFolder(category);
    // 移动书签
    for (const item of items) {
      chrome.bookmarks.move(item.bookmark_id, { parentId: folder.id });
    }
  }
}
2.3 后端书签分类Agent
# backend/app/classify_agent.py
import json
from typing import List, Dict
from openai import OpenAI

SYSTEM_PROMPT = """你是一个专业的书签分类助手。根据书签的标题和URL,推断其分类。

分类命名规则:
- 使用2-6个字的简洁中文名称
- 示例:'前端开发'、'技术博客'、'数据科学'、'新闻资讯'
- 如果内容跨领域,选择最核心的一个

返回JSON数组,每个元素包含:
- category: 分类名称
- confidence: 0-1之间的置信度
- keywords: 3-5个关键词标签
"""

def classify_bookmarks(bookmarks: List[Dict]) -> List[Dict]:
    """批量分类书签(一次API调用处理多个书签)"""
    if not bookmarks:
        return []
    
    # 构建书签列表文本
    bookmarks_text = "\n".join([
        f"- [{b['title']}]({b['url']})" for b in bookmarks
    ])
    
    user_prompt = f"""为以下书签推荐分类:

{bookmarks_text}

返回JSON数组,按书签顺序对应:
[{"category": "分类名", "confidence": 0.95, "keywords": ["关键词1", "关键词2"]}]"""
    
    client = OpenAI(
        api_key=os.getenv("DEEPSEEK_API_KEY"),
        base_url="https://api.deepseek.com/v1"
    )
    
    response = client.chat.completions.create(
        model="deepseek-v4-flash",
        messages=[
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user", "content": user_prompt}
        ],
        temperature=0.3,
        max_tokens=500,
        response_format={"type": "json_object"}
    )
    
    result = json.loads(response.choices[0].message.content)
    return result.get("results", [])
2.4 存储与管理

所有配置存储在chrome.storage.local,仅本地保存:

// 存储API Key
chrome.storage.local.set({ apiKey: 'your-api-key' });

// 存储分类规则
chrome.storage.local.set({ 
  rules: {
    '前端开发': ['react', 'vue', 'angular', 'javascript'],
    '数据科学': ['python', 'pandas', 'tensorflow']
  }
});

三、项目二:网页摘要生成

3.1 整体架构
用户输入URL → Readability.js提取正文
    │
    ├── 提取标题 + 正文
    ├── 用户配置(风格/长度/语言)
    │
    ▼
检查Redis缓存(URL+配置哈希)
    │
    ├── 命中 → 返回缓存结果
    │
    ▼(未命中)
后端Agent生成摘要
    │
    ├── 构建FrugalPrompt
    ├── 调用LLM生成
    └── 写入缓存
3.2 前端正文提取(Readability.js)
// utils/contentExtractor.ts
import { Readability } from '@mozilla/readability';

export interface ExtractedContent {
  title: string;
  textContent: string;
  excerpt: string;
  url: string;
}

export function extractFromDocument(): ExtractedContent | null {
  // 判断是否适合阅读模式
  if (!isProbablyReaderable(document)) {
    return null;
  }
  
  try {
    const article = new Readability(document).parse();
    if (!article) return null;
    
    return {
      title: article.title || document.title || '无标题',
      textContent: article.textContent || '',
      excerpt: article.excerpt || '',
      url: window.location.href
    };
  } catch (error) {
    console.error('内容提取失败:', error);
    return null;
  }
}
3.3 摘要设置面板
// components/SummarySettings.tsx
type SummaryLength = 'short' | 'medium' | 'long';
type SummaryStyle = 'news' | 'academic' | 'bullet';
type OutputLanguage = 'zh' | 'en' | 'auto';

const LENGTH_CONFIG = {
  short: { label: '短', maxTokens: 100, desc: '约50字' },
  medium: { label: '中', maxTokens: 250, desc: '约150字' },
  long: { label: '长', maxTokens: 500, desc: '约300字' }
};

const STYLE_CONFIG = {
  news: { label: '📰 新闻式', prompt: '使用新闻语言,客观简洁' },
  academic: { label: '📚 学术式', prompt: '使用学术风格,严谨系统' },
  bullet: { label: '📋 要点式', prompt: '使用要点列表,每条一个核心信息' }
};

export function SummarySettings({ onSummarize, isProcessing }) {
  const [length, setLength] = useState<SummaryLength>('medium');
  const [style, setStyle] = useState<SummaryStyle>('news');
  const [language, setLanguage] = useState<OutputLanguage>('auto');
  
  return (
    <div className="settings-panel">
      <div className="setting-group">
        <label>摘要长度</label>
        <div className="button-group">
          {Object.entries(LENGTH_CONFIG).map(([key, cfg]) => (
            <button
              key={key}
              className={length === key ? 'active' : ''}
              onClick={() => setLength(key as SummaryLength)}
            >
              {cfg.label}
              <span className="desc">{cfg.desc}</span>
            </button>
          ))}
        </div>
      </div>
      
      <div className="setting-group">
        <label>摘要风格</label>
        <div className="button-group">
          {Object.entries(STYLE_CONFIG).map(([key, cfg]) => (
            <button
              key={key}
              className={style === key ? 'active' : ''}
              onClick={() => setStyle(key as SummaryStyle)}
            >
              {cfg.label}
            </button>
          ))}
        </div>
      </div>
      
      <button 
        onClick={() => onSummarize({ length, style, language })}
        disabled={isProcessing}
      >
        {isProcessing ? '生成中...' : '🚀 生成摘要'}
      </button>
    </div>
  );
}
3.4 后端摘要生成Agent
# backend/app/summarize_agent.py
from openai import OpenAI
import os

STYLE_PROMPTS = {
    "news": "使用新闻式语言,客观简洁,突出关键事实。",
    "academic": "使用学术风格,严谨系统,提取核心论点和证据。",
    "bullet": "使用要点式,每条一个核心信息,易于扫描。"
}

def build_summary_prompt(content: str, style: str, length: str, language: str) -> str:
    style_prompt = STYLE_PROMPTS.get(style, STYLE_PROMPTS["news"])
    
    length_desc = {
        "short": "一句话总结(约50字)",
        "medium": "段落式总结(约150字)",
        "long": "详细总结(约300字)"
    }.get(length, "段落式总结")
    
    lang_instruction = {
        "zh": "请用中文输出摘要。",
        "en": "Please output the summary in English.",
        "auto": "使用与原文相同的语言输出摘要。"
    }.get(language, "使用与原文相同的语言输出摘要。")
    
    return f"""{style_prompt}

{lang_instruction}

目标长度:{length_desc}

原文内容:
{content[:4000]}  # 限制输入长度,防止Token超限

请生成摘要:"""

def generate_summary(content: str, style: str, length: str, language: str) -> dict:
    client = OpenAI(
        api_key=os.getenv("DEEPSEEK_API_KEY"),
        base_url="https://api.deepseek.com/v1"
    )
    
    prompt = build_summary_prompt(content, style, length, language)
    max_tokens = {"short": 100, "medium": 250, "long": 500}[length]
    
    response = client.chat.completions.create(
        model="deepseek-v4-flash",
        messages=[
            {"role": "system", "content": "你是专业的摘要生成助手。"},
            {"role": "user", "content": prompt}
        ],
        temperature=0.3,
        max_tokens=max_tokens
    )
    
    return {
        "summary": response.choices[0].message.content,
        "usage": {
            "prompt_tokens": response.usage.prompt_tokens,
            "completion_tokens": response.usage.completion_tokens,
            "total_tokens": response.usage.total_tokens
        }
    }
3.5 Redis缓存集成
# backend/app/cache.py (摘要专用)
def get_summary_cache_key(url: str, config: dict) -> str:
    """构建摘要缓存Key"""
    data = {"url": url, "config": config}
    sorted_data = json.dumps(data, sort_keys=True)
    hash_hex = hashlib.sha256(sorted_data.encode()).hexdigest()[:16]
    return f"summary:{hash_hex}"

@cache_result(prefix="summary", ttl_key="summary")
async def summarized_url(url: str, config: dict):
    # 实际摘要生成逻辑
    pass

四、成本统计与Token监控

个人效率工具的价值不仅在于“完成工作”,还在于“清楚花多少钱完成工作”。一个好的成本统计系统应当实时展示每项操作的Token消耗和成本。

4.1 成本统计模块
# backend/app/cost_tracker.py
from collections import defaultdict
from datetime import datetime

MODEL_PRICES = {
    "deepseek-v4-flash": {"input": 0.001, "output": 0.002},
    "deepseek-v3.2": {"input": 0.0003, "output": 0.0006},
    "deepseek-r2": {"input": 0.003, "output": 0.006},
}

class CostTracker:
    def __init__(self):
        self.session_costs = []
        self.daily_stats = defaultdict(lambda: {"tokens": 0, "cost": 0.0})
        self.total_tokens = 0
        self.total_cost = 0.0
    
    def track_call(self, model: str, prompt_tokens: int, completion_tokens: int):
        prices = MODEL_PRICES.get(model, MODEL_PRICES["deepseek-v4-flash"])
        cost = (prompt_tokens / 1000) * prices["input"] + (completion_tokens / 1000) * prices["output"]
        total_tokens = prompt_tokens + completion_tokens
        
        self.session_costs.append({
            "model": model,
            "prompt_tokens": prompt_tokens,
            "completion_tokens": completion_tokens,
            "total_tokens": total_tokens,
            "cost": round(cost, 6),
            "timestamp": datetime.now().isoformat()
        })
        
        self.total_tokens += total_tokens
        self.total_cost += cost
        
        today = datetime.now().date().isoformat()
        self.daily_stats[today]["tokens"] += total_tokens
        self.daily_stats[today]["cost"] += cost
    
    def get_summary(self) -> dict:
        """获取成本汇总"""
        return {
            "total_tokens": self.total_tokens,
            "total_cost": round(self.total_cost, 6),
            "total_calls": len(self.session_costs),
            "daily_stats": dict(self.daily_stats),
            "recent_calls": self.session_costs[-10:]
        }

# 全局单例
cost_tracker = CostTracker()
4.2 前端成本展示
// components/CostDisplay.tsx
export function CostDisplay({ costData }) {
  return (
    <div className="cost-display">
      <div className="cost-item">
        <span className="label">今日Token</span>
        <span className="value">{costData.total_tokens.toLocaleString()}</span>
      </div>
      <div className="cost-item">
        <span className="label">今日成本</span>
        <span className="value">${costData.total_cost.toFixed(4)}</span>
      </div>
      <div className="cost-item">
        <span className="label">总调用</span>
        <span className="value">{costData.total_calls}</span>
      </div>
    </div>
  );
}

五、总结:Agent效率工具的设计原则

通过书签分类和摘要生成两个项目,可以提炼出Agent效率工具的几个核心设计原则:

原则说明在书签分类中的体现在摘要生成中的体现
批量处理一次API调用处理多个任务10-20个书签一次分类多个URL批量摘要
本地优先敏感数据不上传服务器API Key保存在本地无用户数据存储
成本可视化让用户感知每次操作的成本显示分类消耗的Token显示摘要消耗的Token
渐进式增强先本地规则,后AI补充关键词规则预分类-
缓存策略避免重复计算分类结果缓存URL摘要缓存

思考与动手建议:

  1. 为你的浏览器构建一个书签分类Agent,从获取未分类书签到自动创建文件夹,体验完整的Agent工具调用链路。
  2. 为摘要生成功能添加“自动判断摘要风格”的能力——不要求用户选择风格,由Agent根据文章类型自动推荐最合适的风格。
  3. 在成本统计模块中,为每个功能(书签分类、摘要生成、RAG问答)分别统计成本,找出Token消耗最大的功能,针对性优化。
Logo

更多推荐