微信收藏知识库

解决的问题

微信收藏夹长期积累后，往往变成“待读黑洞”：标签零散、文章重复、读取状态不明，手动整理成本高。这个技能面向已有解析出的 favorite.db 收藏数据，目标是把收藏记录转化为可检索、可维护的知识库材料。

如何工作

核心链路是：从 favorite.db 导出收藏 CSV，先做关键词分类，再用 LLM 对低置信度条目做二次判断。相比固定 9 大类，v1.2 支持 auto_discover.py 从采样标题中归纳自然类别，并用 classify_favorites.py --categories 接入自定义分类 JSON。增量流程可只处理新增收藏，再合并结果并标准化标签。输出侧支持生成分类统计、各分类 CSV，以及可选导出到 Obsidian vault、Notion 数据库或导入 IMA。

适用边界

收藏导出和默认关键词分类可完全离线运行；自动归纳、LLM 重判、IMA/Notion 导入需要分别配置 API、Token 或凭证，并且会发送标题、摘要或 URL 等采样数据。自动归纳建议至少 500 条收藏，数据过少可能导致类别覆盖不足。若对类别不满意，可编辑 user_categories.json 或重新采样。