前言
还在为浏览器收藏夹里堆积的「只收藏不整理」而发愁?还在一个个手动给书签分类?我的浏览器收藏夹曾经有 500+ 条书签,在经历一次彻头彻尾的人力整理后,决定用浏览器扩展 + AI 来解决这个问题。于是,AI Smart Bookmark Organizer 诞生了。

这个扩展几乎是用当下最流行的开发模式「 vibe coding 」实现的,开发环节与 AI 的对话轮数 < 40,耗时 9 小时(包含人工测试反馈),作为初次尝试尽可能全流程 vibe 的体验,建立了一个初步可用的原型,可谓惊喜满满。

扩展已在 github 开源,欢迎体验和提交 issue:https://github.com/SeonPan/ai-smart-bookmark-organizer

鸣谢
Kimi2.5 Agent:主力开发
MiniMax Agent Desktop:本地文档整理,以及与 Kimi 对比实现
GLM-4.7:用于部分 BUG 修复

本文关键词:Chrome Edge 扩展、浏览器扩展开发、收藏夹、书签管理、Vibe Coding、AI 开发

一、为什么做这个产品?

1.1 痛点分析

相信很多朋友和笔者一样:

  • 书签栏塞得满满当当
  • 几百条不知道什么时候收藏的链接
  • 我好像收藏过这个文章,在哪来着?
  • 打开浏览器书签管理一片混乱

而早在 2025 年 DeepSeek 发布之初,笔者就请 D指导 帮忙整理书签,颇有启发。但我不是来学习怎么整理,而是希望能自动化呀[○・`Д´・ ○] ~ 拖拖拉拉一年过去了,终于——尝到了 Vibe Coding 的甜头(会不会启动的太晚了喂!)
在这里插入图片描述

1.2 解决思路

如果能让 AI 来帮我分析页面内容,自动推荐分类和标签,并以扩展的方式嵌入浏览器使用,那不就解决了吗?

传统方式 AI 方式
手动选择文件夹 AI 自动推荐分类
无标签 AI 自动生成标签
1秒收藏 + 无尽整理 3秒解决后顾之忧

二、产品功能预览

扩展的主要功能包括:智能保存、批量整理、清理大师、书签统计等。

ASBO

智能保存

AI分析当前页面

推荐分类/标签

一键保存

批量整理

选择文件夹范围

Token预估

批量AI归类

前后对比预览

清理大师

失效链接检测

重复书签检测

历史回滚

操作快照

一键撤销

书签统计

书签数/类数/层数

标签可视化/下钻列表

核心价值:

价值点 说明
🤖 高效智能 AI自动分析,一键分类收藏
🔒 隐私优先 使用 API Key 只存本地,书签数据不上传
💰 成本可控 支持本地 Ollama,完全免费
🛡️ 安全操作 自动备份,一键回滚

2.1 智能保存

点击扩展图标 → 点击AI分析 → 查看建议 / 编辑文件夹 → 查看 / 编辑标签 → 保存。
在这里插入图片描述

例如,直接对扩展设置页进行分析,AI 判断这个页面可以保存到现有的《工具》文件夹,并生成额外标签。
在这里插入图片描述
这个流程也可以通过(可自定义)快捷键 Alt+Shift+S 一键实现。
在这里插入图片描述

2.2 批量整理

2.2.1 选区分析

对已经收藏的书签进行批量整理:选择范围→点击执行→确认分类前后位置→应用更改。
在这里插入图片描述

2.2.2 用量提醒

友好提醒 token 用量,避免书签过多时造成意外消耗。
在这里插入图片描述

2.2.3 结果预览

确定更改前可预览结果,显示将要创建的新文件夹,以及分类移动前后的位置对比。
在这里插入图片描述

2.2.4 支持回滚

支持版本记录,可回滚到批量整理前的书签树。
在这里插入图片描述

2.3 清理大师

支持失效链接检测删除,以及重复书签自定义去重、保留方式。
在这里插入图片描述

2.4 书签统计

统计书签总数、文件夹数、最大深度等,并通过气泡图进行标签可视化,点击标签气泡可下钻到对应标签的书签列表。
在这里插入图片描述

三、Vibe Coding 开发实录

3.1 技术栈

层级 技术选择 原因
前端框架 React 18 + TypeScript 组件化开发,类型安全
构建工具 Vite + CRXJS 快速构建,Chrome 扩展打包
UI 组件 shadcn/ui + TailwindCSS 好看且轻量
状态管理 React Context + Hooks MVP 阶段足够
存储 chrome.storage + IndexedDB 设置存储 + 快照存储
AI 通信 Native fetch 流式响应支持

3.2 架构模式

External

Chrome Extension Environment

Data Layer

Core Layer

UI Layer

Popup (智能保存)

Options Page (设置)

Custom Hooks

Services

Chrome APIs

Storage

AI Provider
OpenAI / DeepSeek / Ollama

chrome.bookmarks

chrome.tabs

chrome.storage

IndexedDB
保存分析结果

chrome.storage.sync
保存设置

3.3 隐私设计

❌ 不做后端服务(避免数据泄露风险)
❌ 不做用户注册登录(减少隐私收集)
✅ API Key 存 chrome.storage.local(本地加密)
✅ 书签数据不离开用户浏览器
✅ 支持本地 Ollama(完全离线)

调试 Ollama 的连接大概是人工介入最多的部分之一,大多数 BUG 是一两次对话反馈就解决了。

3.4 项目初始化

笔者的操作很简单,把前期写好的 PRD 直接丢给 AI,让其照单执行,随后就是不断的测试反馈,作为产品经理把对方当成一位研发专家即可。

prompt:按照PRD进行开发,分阶段进行,在必要的环节让我进行测试验证

整个产品的核心也就是书签分类逻辑:

你是一个专业的书签分类助手。根据用户提供的信息,分析并推荐分类和标签。

输入信息:
- 标题:{title}
- 现有文件夹:{folders}

要求:
1. 推荐 1 个最合适的分类(从现有文件夹中选择,若无合适的则新建)
2. 推荐 3-5 个标签
3. 输出 JSON 格式:{ category, tags, confidence }

3.5 迭代清单节选

  • API连接测试成功,ollama连接报错:连接失败: AI API error: 40 -|
  • 浏览器里输入ollama地址是正常显示Ollama is running的,cmd看模型list里也存在对应的模型名称
  • 文件夹列表中还是有显示,并且文件夹数由之前的3变成2(异常),最大深度由之前的2变成1(正常)
  • 统计部分按我给的代码来修改,其他模块不要动:typescript…
  • 生成开发说明文档:帮助开发人员清晰认知项目架构、技术栈、各模块文件作用、核心函数实现、当前进度和剩余开发计划,必要部分使用mermaid画图辅助理解
  • Alt+S快捷键无效,需修正,而且只是快捷打开操作界面还不够,要设计更好的快捷操作。现在的步骤是:点击扩展图标→点击AI智能分析→确认分类/创建→选择文件夹→点击保存。操作路径太长了
  • 在后台的【书签统计】页面增加一个刷新按钮,点击刷新统计结果
  • 实现清理大师:失效链接检测、重复书签检测,用户确认后删除失效链接,重复链接若在文件夹中则可指定保留哪一个文件夹里的,不在文件夹中则直接去重

3.6 心得小结

用 AI 辅助开发扩展的整体感受:

✅ 优势:快速搭建项目骨架、实现 AI 调用框架、减少 CRUD 重复劳动
⚠️ 注意:需要自己把控架构、复杂的业务逻辑需要仔细 review
🎯 建议:先想清楚要什么,再让 AI 实现,比让 AI 思考「做什么」更高效


四、后续计划

4.1 发布计划

  • GitHub开源✅:https://github.com/SeonPan/ai-smart-bookmark-organizer
  • Chrome / Edge 商店上架:敬请期待(只是易于搜索安装啦,功能和开源版一致,暂不考虑提供服务

4.2 功能规划

版本 功能 状态
v1.0.0 智能保存 ✅ 已完成
v1.0.0 批量整理 ✅ 已完成
v1.0.0 清理大师 ✅ 已完成
v1.0.0 历史回滚 ✅ 已完成
v1.0.0 书签统计 ✅ 已完成
v1.0.5 边界测试、BUG修复 🔨 进行中
v1.2.0 文件夹嵌套层级分类 📅 计划中
v1.2.0 分析记录精细化管理 📅 计划中
v1.2.0 操作界面交互优化 📅 计划中
v1.3.0 智能检索书签 📅 计划中
v1.3.0 根据近期收藏推荐阅读历史书签 📅 计划中
v1.3.0 建议清理吃灰书签 📅 计划中

后记

到这里,AI Smart Bookmark Organizer 的核心功能实现就介绍得差不多了,更多细节可查看 Github 中的用户操作手册。从一个「收藏夹太乱」的痛点出发,到用 vibe coding 方式完成开发,整个过程还是很爽的。

这个项目从有想法到初步可用,中间大部分时间在和 AI 对话「哪个模块有什么样的BUG」,不得不说,现在 AI 辅助编程真的让个人开发者的效率提升了很多。当然,需求说明、架构设计、代码审查和功能测试还是需要自己把关的,不能完全依赖 AI。依个人浅见,想用 AI 去开发产品,要有技术层的架构意识,也要有产品层的用户意识,不然就会总是产出看起来酷炫的“小时级验证”,出不来稳定的生产级系统,但如果目的不是靠一人之力落地,而仅仅是快速验证,倒是也足够了。

有感兴趣的同学可以关注一下后续优化版本,欢迎提交 issue ~ 这里是致力于用 AI 提升效率的 Seon塞翁,我们下一篇见!

Logo

有“AI”的1024 = 2048,欢迎大家加入2048 AI社区

更多推荐