第12篇:Agent驱动的个人效率工具 —— 书签分类与摘要生成实战
·
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:
- 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。
- 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。
- 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。
更多推荐


所有评论(0)