X的书签有一种很奇怪的仪式感。
看见一条有用的推，手指比大脑快，先点收藏。心里那句台词永远一样：“以后肯定用得上。”
然后就没有然后了。
过三个月你想找回那张加密货币崩盘的梗图、某个开源工具的仓库、某条讲透获客的长帖，打开书签页，面对的是几千条按时间堆起来的碎片。没有分类，没有语义，图片里的字搜不到，视频封面更是盲区。收藏变成了最安静的坟场。
Siftly就是冲着这个坟场来的。
它不是又一个“再存一遍”的云笔记，而是把X书签变成可搜索、可分类、可可视化的本地知识库。项目开源，MIT协议，目前大约3000 Star。仓库在这里：
https://github.com/viperrcrypto/Siftly
它到底解决什么问题
书签失效，不是因为你懒，是因为平台只给了“保存”，没给“理解”。
一条X书签通常同时包含：
- 推文正文
- 话题、提及、外链
- 图片、GIF、视频缩略图里的文字和场景
- 你收藏时的直觉，而不是后来能想起来的关键词
平台自带搜索基本只认字面。你记得的是“那个很离谱的meme”，系统认得的是发帖人ID和时间戳。错位一开始就存在。
Siftly把每条书签当成知识对象来处理，而不是一串死链。处理完之后，你可以按意思找，而不是按运气翻。
原推里那个例子很准：直接搜「crypto崩盘的搞笑meme」，而不是去回忆作者叫什么、哪天存的。
Siftly是什么，先把边界说清
一句话定义：
自托管的X书签管理器。导入、分析、分类、搜索、探索，全在你自己的电脑上完成。
几个关键边界，写进产品认知里很重要：
- 不上云做主数据库。 内容存在本地SQLite。
- 不收订阅费。 软件本身免费开源。
- 不用装浏览器插件。 用书签小工具或控制台脚本导入。
- 不是完全离线AI。 除了你配置的AI调用，数据留在本地。也就是说，文本和图片分析仍会发到你选择的模型服务商。
技术栈也很克制：Next.js、TypeScript、SQLite、Tailwind。本地跑起来后，默认地址是 http://localhost:3000。需要 Node.js 18+。
如果你已经在用 Claude Code，原项目宣传可以检测本地登录状态，省掉单独填API Key的步骤。这个“免Key”体验目前主要方便macOS用户；Windows和Linux通常还是要自己配置密钥。
四阶段流水线：它怎么把“收藏”变成“知识”
Siftly最有辨识度的不是界面，是这条流水线。
第一阶段：导入
用内置bookmarklet，或把控制台脚本贴进浏览器。在X书签页滚动导出，再导入本地。支持去重，重复收藏不会把库炸成两份。
第二阶段：实体抽取
从原始推文里挖标签、链接、@用户，以及一百多种常见工具/产品名。这一步免费，不消耗模型额度。它先把“结构”捡出来，再决定要不要动用更贵的视觉和语义能力。
第三阶段：视觉分析
这是它比普通书签工具狠的地方。图片、GIF、视频缩略图都会被读一遍：OCR文字、物体、场景、情绪，甚至梗图模板。一条几乎没配文、全靠图说话的收藏，从此也能被搜到。
第四阶段：语义标签 + 自动分类
每条书签生成大约25到35个可搜索标签，再分进1到3个类目，并带置信度。分类不是装饰，是后面思维导图和筛选浏览的骨架。
跑完之后，你得到的不是更长的书签列表，而是三样能用的能力：
- 按意思搜索
全文、OCR、标签、类目一起参与。适合那种“我记得感觉，不记得原句”的查找。 - 交互思维导图
按类目展开整库，点开节点就能跳回原推。适合回顾自己到底在囤什么，而不是继续无脑往下存。 - 筛选浏览
网格或列表，按分类、媒体类型、时间过滤。导出支持CSV、JSON，以及带媒体文件的ZIP。后续还能往Obsidian等笔记系统搬。
对囤书签的人来说，最大变化不是“又多了一个App”，而是收藏第一次拥有了二次入口：按语义进，按结构看，按文件出。
为什么本地优先这件事，比功能清单更重要
X书签里经常混着：
- 还没公开的项目想法
- 行业线索和联系人
- 付费课程截图
- 你自己都不好意思让云服务商“学习”的浏览痕迹
所以“再存到某家云收藏App”会让一部分人直接放弃。Siftly把主数据放在本地，逻辑上更接近个人资料库，而不是又一个要你交出时间线的SaaS。
但这里必须讲一句实话：
本地优先，不等于零上传。
实体抽取可以在本地完成；视觉分析和语义标签，通常要调用Claude、OpenAI或MiniMax这类外部模型。你要接受的交易是：
- 书签库主体留在自己硬盘
- 为了“能按意思搜”，部分内容会作为提示发给AI服务商
- 软件不向作者上报遥测，不等于模型厂商看不到你发过去的请求
能接受这层取舍，Siftly才值得装。不能接受，它再好看也不该用。
谁适合立刻试，谁可以先观望
适合：
- 书签已经破千，翻找全靠运气
- 收藏里图片和视频很多，纯关键词搜经常落空
- 想把X当素材源、信息源，而不是滑动消耗场
- 能接受在本地跑Node应用，并处理一次导入
- 已经有Claude / OpenAI额度，或想用现成订阅消化分析成本
可以先观望：
- 书签只有几十条，系统自带搜索就够
- 完全不想让任何推文或截图离开电脑
- 期望“打开网页即用”，不愿意装环境和导入
- 把书签当情绪按钮，并不打算真的回看
工具救不了“收藏强迫症”，它只救“想回看却找不到”。如果你收藏的目的就是获得当下那一下安心，装再强的搜索也没有用。
上手可以很短，真正的工作在“第一次清洗”
官方推荐一条命令走完安装、建库、打开浏览器。概念上就是：克隆仓库，本地启动，导入书签，再跑AI流水线。
但真正决定体验的，不是启动速度，是你怎么做第一次清洗。
一个比较稳的用法：
- 先小批量导入，比如最近200条，不要一上来甩进全部历史。
- 先看实体抽取结果，确认链接、工具名、话题有没有被正确抓住。
- 再开视觉分析。图多的库这一步最耗时间和额度。
- 检查自动分类，改掉明显离谱的类目。类目是导图的骨架，骨架歪了，后面都会歪。
- 用三句你平时想不起来原词的话去搜，检验语义层有没有生效。
- 确认能搜到、能导出，再决定要不要导入全部书签。
有Windows用户和Grok用户的话，社区还有基于原项目的分支，增加了Grok模型支持和更大规模书签处理。原版够用就先用原版，分支当备选，避免一开始就陷入“该用哪份代码”的选择疲劳。
使用前先问自己的5个问题
- 我要找回的，是原推链接，还是那张图里的信息？
- 我能不能接受把部分书签内容发给AI服务商？
- 我有没有稳定的本地环境和备份习惯？SQLite丢了，知识库就丢了。
- 我是想建立回看系统，还是只想再收藏一次心理安慰？
- 分析几千条图文的模型费用，我有没有心理预期？
这五个问题里，只要第4题答“没有回看意愿”，Siftly对你就是个更精致的收藏夹，不是生产力工具。
书签从来不是记忆，它只是记忆的原材料
我们高估了“保存”的力量，低估了“检索结构”的价值。
一条没有标签、没有视觉理解、没有分类的书签，本质是延期处理的待办。堆到足够多，待办会自己变成噪音。Siftly做的事情很朴素：给噪音补上结构，让以后的你能用自然语言把旧收藏叫回来。
它不会让你变得更有洞察力，也不会自动把收藏变成作品。它只是把那句“以后肯定用得上”从自我安慰，变成一件技术上可行的事。
如果你的X书签已经开始让人焦虑，可以先看仓库，先用小样本验证搜索是否真的打中你的记忆方式：
https://github.com/viperrcrypto/Siftly
收藏很容易。能找回来，才叫知识。
No comments yet