浏览器收藏夹吃灰？用 Kimi K3 vibe coding 一个 AI 整理插件

用当下最新最强的开源模型 Kimi-k3 来试试！只提需求、不写代码，是怎么「聊」出一款能自动整理浏览器收藏夹的 AI 插件的？

先问你一个扎心的问题：你浏览器的收藏夹，现在有多少条？

我猜，很多人的答案是「不知道，几百条吧，反正从来没数过，也从来没整理过」

刷到一篇好文章、一个神仙工具、一份学习资料，手一抖 Ctrl+D，心里默念「先存着，以后慢慢看」

然后……就没有然后了。

在信息爆炸时代，「收藏=已读」成了当代人最大的错觉。

等你真正想找那篇文章时，翻遍几百条书签，一半想不起来为什么要存。

我之前就是这样。

直到有一天我实在受不了了，冒出一个念头：既然没有一个现成的工具，那我干脆自己做一个？

今年初我就用线上的 kimi agent 搓了一个实现收藏夹整理的雏形，当时还是 Kimi-K2.6 模型，做完又用 Minimax 和 GLM4.7 修了修，还留了不少坑没填，忙起来又搁置了（喂！是痛点还不够痛吗！）…

咳咳，因为后面又有 Tabbit 这类 AI 浏览器了，而且我已经人工整理过分类，我寻思大厂做的原生 AI 浏览器会慢慢把这些需求补足的，就不自己折腾了吧 。

But Now！恰逢 2.8万亿参数的 Kimi-K3 发布，正好用这个插件项目的迭代来试试水，看看当红炸子鸡模型有多辣。

言归正传，这个插件叫 AI Smart Bookmark Organizer，已在 Github 开源，地址见文末。

下文分两块：前半段带你看看这插件到底能干啥，后半段聊聊一个不怎么懂前后端的人是怎么把它「聊」出来的。

---

第一部分：这插件到底能干啥？

一个隐私优先、还能免费用的 AI 收藏夹管家。具体拆成六件事：

1. 智能保存：告别手动分类

以前收藏一个网页，你得自己想「这该放哪个文件夹」，想半天干脆丢进「其他」或就扔在书签栏，越攒越乱。

现在不用了。

浏览到想收藏的页面，使用插件，AI 会自动读一遍这个页面的标题和内容，帮你推荐好分类和标签，点击就存。

比如我收藏了一个 hugging face 的 LLM 课程，它会自动判断「这属于已经创建过的 HF 文件夹」，还顺手打上「教程」「大模型」「文档」几个标签。

也可以按一下快捷键 Alt+Shift+S 快速保存，无需手动确认 AI 的分析流程。

快捷键可以自己设置，避免和其他快捷键冲突。

2. 批量整理：一次性收拾存量收藏

新收藏的能自动归类了，那以前攒下的几百条烂摊子怎么办？这就是「批量整理」要解决的。

你选好要整理的范围，点一下开始，AI 就会分批把这些书签挨个分析、归类。

整理前它会先估算一下大概要消耗多少（心里有数不怕超支），处理完给你一个预览清单：哪些书签要移到哪、要不要新建文件夹，都列得清清楚楚。

看着顺眼的就应用，觉得不对的取消掉，绝不会自作主张地乱动，万一某几条分析失败了，还能只重试失败的部分。

3. 清理大师：揪出失效链接和重复书签

收藏夹里还有两类垃圾：打不开的死链，和存了好几遍的重复项。

「清理大师」专门收拾它们。

点一下扫描，它会同时检测一堆链接（8 个并发，速度还行），把返回 404、打不开的挑出来。

也会按网址找出你重复收藏的，你确认后一键删除，收藏夹瞬间清爽。

4. 历史回滚：手滑了也不怕

天知道 AI 大人会干什么好事，万一整理错了或删错了，真是没有安全感。

每次批量整理、每次删除之前，插件都会自动给你的收藏夹拍个「快照」存档。

哪天你觉得「哎呀刚才整理得不对」或者「我好像误删了东西」，打开历史记录点一下「回滚」，一切恢复如初。

5. 标签可视化：你的兴趣一目了然

除了文件夹分类，插件还会给书签打标签。所有标签会用一张气泡图展示出来。点一下气泡，就能看到这个标签下的所有书签。

一眼就能看出你最近到底在关注啥。

标签多了叫法乱了怎么办？还有个「AI 归并」，能自动把意思相近的标签合并成一个。

6. 隐私与省钱：数据不出你的电脑

这点必须单独说，因为很多人担心「我不可名状的收藏夹会不会被上传」。

不会。

这插件的设计原则是隐私优先：你的 API Key（如果用的话）只存在你自己浏览器本地，书签数据也不会上传到任何服务器。

至于 AI 从哪来，你有两个选择：

• 图省事：填个云端 API（兼容OpenAI API），按用量付费，通常不到一毛钱就能整理一大批，速度也快；
• 图免费+极致隐私：在自己电脑上跑本地模型（Ollama，跑4B以上的模型较好），一分钱不花，数据全程不出本机。

D指导分析了几百个书签的花费：

7.其他特色功能：定制化收藏习惯

国际化的UI翻译切换，AI输出语言偏好都是可以设置的。并且还有各模块的提示词管理，标签词表设置等，「定制化」你的收藏管理习惯。

---

第二部分：不写代码，是怎么把它做出来的？

好，产品部分讲完了。接下来这段，才是我最想聊的：开发心得。别怕，不讲代码，讲的是「人和 AI 怎么配合把东西做出来」。

先说说，什么是 Vibe Coding？

简单来讲就是：我负责当产品经理和测试，AI 负责当程序员。

我不需要知道每一行代码怎么写，我只需要清楚地告诉 AI：「我想要一个什么功能」「这里有个 bug，现象是这样的」「这个交互体验不好，帮我改成那样」。

然后 AI 把代码写出来，我去用、去测、去挑毛病，再把问题反馈给它。

一来一回，产品就慢慢长出来了。

这就是 vibe coding，跟着感觉（vibe）走，用自然语言把软件「聊」出来。

这个项目是怎么聊出来的？

它经历了两个阶段：

V1（半年前）：我在 Kimi 官网上用它的 Agent 从零开始搭框架，跑通了初始的六大功能。中间遇到 K2.6 搞不定的 bug，还复制给 MiniMax、GLM 来救场。

V2（现在）：Kimi K3 刚发布，Qoder 马上就上架了 K3，而我额度马上就要过期了！正好拿这个项目消磨一番~

在读完几份文档后，K3 Agent 会继续扫描项目代码库，对已建设的基础有所了解后才继续推进开发，1M上下文处理起来还是很给力的，但超过 50% 的窗口后，还是建议压缩一下上下文。

用 K3 做了一轮大的稳定性和体验优化，比如交互逻辑优化，预览显示不全、跨页面整理会中断等BUG修复，标签治理等一堆细节问题。

所以你看，vibe coding 不是一次成型的魔法，它跟正常做产品一样，是一个不断迭代、越用越顺的过程。

ASBO的内部构造

这个插件大概分三块：

1. 前台（你看到的界面）：就是你点的那些按钮、弹窗、气泡图；
2. 后台（默默干活的调度中心）：你看不见它，但它在背后负责读写你的书签、跟 AI 通信、管理备份；
3. AI 外援：真正「动脑子」做分类判断的，是云端或本地的大模型。

而这套设计里我最在意的三个原则是：

• 隐私：数据不出你的电脑；
• 安全：任何大改动之前先备份，给你留后悔药；
• 省钱：能用免费的本地模型，就不强迫你花钱。

当然，这个插件还不能说足够好用，大家如果试用的话，欢迎多提意见~

真实的翻车现场

vibe coding 从来不是「我说一句、AI 完美交付」，我翻了翻我跟 AI 的对话记录，全是血泪史，挑几个最典型的给大家看看：

翻车一：统计数字怎么都对不上
我明明没建文件夹，插件却告诉我「文件夹数：3，最大深度：2」。

改一版，变成 2 了…再改，数值全变成 0 了…又改，14 个书签显示成 15 个…

我跟 AI 就为了「到底几个书签」这件事反复拉扯，最后我干脆把书签的原始数据直接贴给它看，才算彻底对上。

翻车二：Ollama 死活连不上
想用本地免费模型，结果一连接就报错，一会儿是 403，一会儿是一串看不懂的 JSON 。

折腾下来才发现，是浏览器的安全限制、环境变量没配对、还有「思考型模型」输出了一堆思考过程把数据格式撑爆了……

这些坑一个个填。

翻车三：标签气泡点进去是空的
气泡图上明明写着「信息检索 3 个书签」，点进去列表却是 0 个，逗我玩呢？

还有一次整块图直接刷不出来，快速滚动才闪一下。

翻车四：回滚了，页面却不刷新
整理完点回滚，数据其实已经恢复了，但界面还固执地显示旧的，非得手动刷新才更新。

这种数据对了但界面没跟上的问题，也是靠一次次反馈磨出来的。

发现了吗？AI 看不到你屏幕上的真实数据，你得喂给它。报错信息不要慌，原样甩给 AI，把复现步骤和截图讲清楚，它往往能顺着线索找到根因。

关于 vibe coding 的建议

踩了这些坑，我总结出几条对非开发人员特别有用的经验：

1. 先想清楚你要什么。哪怕不写代码，也要有产品经理思维，功能想明白了再让 AI 动手。
2. 小步快跑，分阶段验证。别指望一句话生成整个 App，做一个功能、测一个功能，稳了再往下走。
3. 学会描述问题。这是 vibe coding 最核心的技能，AI 不是许愿池，你得会说清楚现象、会截图、会告诉它你期望的结果。
4. 把 AI 当协作者。你负责判断「做得对不对、好不好用」，这个把关的活儿，目前还得人来干。
5. 留好文档和备份。这个项目我让 AI 顺手写了开发文档和用户手册，回头迭代时特别省事。

说到底，vibe coding 最大的意义，是把「做工具」这件事的门槛砸下来了。

以前你有个想法，得会编程或者花钱找人；现在，你只要能把需求讲明白，就能亲手把它变成现实。

人人都能造「神器」的时代，已然到来。

---

后记

如果你也受够了积灰的收藏夹，这个插件是完全免费的，你可以自己装来玩或二次开发。

项目已经开源：github.com/SeonPan/ai-smart-bookmark-organizer

国内访问 GitHub 网络不太稳定，不方便的同学可以用我打包好、开箱即用的版本，放到百度 / 夸克网盘了，私信【智能书签插件】获取。

如果这篇文章对你有点启发，欢迎点赞、收藏、转发给同样被收藏夹折磨的朋友。

后续我还会分享更多 vibe coding 的实战踩坑和好玩的 AI 小工具，关注我，不迷路。🌟

这里是 Seon塞翁，我们下篇见。