abraxas914/VESTI

解决的问题

Vesti 解决了 AI 时代中的「数据封建主义」问题，即与各种 LLM（ChatGPT、Claude、Gemini 等）的对话被锁在各自的平台孤岛中。用户常常因数据分散且由平台提供商控制而丢失思维轨迹。Vesti 提供一个本地优先的中心，用于捕获、整合和管理这些交互，将数据主权和追踪思想演进的能力归还给用户。

如何工作

Vesti 采用双层系统架构：

1. 捕获引擎（Chrome 扩展）： 一个浏览器扩展，静默监控并从支持的 AI 平台提取对话。它使用 Parser/Observer/Gate 架构捕获对话内容，并通过 Dexie.js 将其存储在本地 IndexedDB 中。同时，利用 ModelScope API 生成线程的结构化摘要。
2. 知识管理层（Web 仪表板）： 一个独立的 Web 视图，通过 StorageApi 与本地数据交互。它包含 库（用于分类管理）、探索 模块（基于 RAG 的自然语言查询自身历史）、网络 视图（使用力导向图（ECharts）可视化对话之间的语义相似性），以及 笔记 区域（用于创建定制的 Markdown 笔记）。

一个集成的 园丁代理 在后台异步运行，对对话进行分类并分配语义标签，将原始日志转化为结构化知识。

适用人群

希望维护永久、可搜索、相互连接的思维过程记录，并避免依赖平台特定历史日志的多平台 AI 高级用户。

核心亮点

• 本地优先架构： 所有数据均存储在用户设备的 IndexedDB 中，确保完全隐私和数据所有权。
• 跨平台整合： 自动捕获来自 ChatGPT、Claude、Gemini、DeepSeek、Qwen 和 Doubao 的交互。
• 本地 RAG： 使用 ModelScope 嵌入和余弦相似度实现检索增强生成系统，严格基于用户自身对话历史回答问题。
• 思维拓扑： 通过语义相似性矩阵和动态知识图谱可视化不同对话之间的关系。
• 结构化洞察： 采用「提示即代码」策略生成摘要，揭示思维演变和关键洞察，而不仅仅是压缩文本。