背景
2026 年了，AI 真的越来越"能干活"了：以前写工具更多是在做流程自动化；现在它甚至能把「理解 + 归纳 + 分类」这种偏脑力的事情也做得像模像样。
我平时收藏的内容比较杂：技术文章、产品分析、工具网站、灵感素材......时间久了，书签就会变成一个"只进不出"的黑洞。
起因：浏览器自带的书签收藏当然能用，但它解决的是"存下来"，而不是"长期可找回"。我的痛点主要是这几个：
- 收藏的时候懒得想放哪一类、打什么标签
- 内容越多，分类越乱，后面重构成本越高
- 真要用的时候，只记得"它大概讲了什么"，却想不起标题/网址
- 重新整理很痛苦：是一场对耐心和时间的消耗战
现在好了，AI 来了，"HamHome"就来了：一个 AI 驱动的书签管理插件，目标很简单------让你把网页"存"下来之后，未来还能"找"回来。
HamHome 是什么？
一句话：让 AI 帮你整理书签，让你用自然语言找回它们。
HamHome 会基于页面内容，自动做几件对"长期可用"特别关键的事（默认数据本地存储，隐私优先）：
- 自动分类
- 生成摘要
- 推荐标签
- 支持语义化搜索（你可以像对话一样描述你要找的内容）
- 保存网页快照（本地保存 HTML，原页面失效也能看）
想先快速了解/预览效果：
- 产品介绍：bingoyb.github.io/ham_home
- GitHub：bingoYB/ham_home
HamHome 的主链路其实很简单：
text
点击「收藏」
↓
Content Script 提取正文（Readability）+ 转换格式（Turndown）
↓
AI 分析生成元数据（标题 / 摘要 / 标签 / 分类）
↓
保存网页快照 + 本地存储（Chrome Storage + IndexedDB）
↓
建立向量索引（Embedding → Vector Store）
↓
Hybrid 搜索：关键词召回 + 语义召回
↓
对话式交互：自然语言 → 结构化查询 → 检索 → 结果建议基础功能：收藏保存
收藏的动作越轻，才越容易坚持。HamHome 的思路是：你负责"存"，剩下的交给 AI，把整理成本压到最低。
- 基于页面内容自动分类
- 智能标签推荐（支持可配置的预设）
- AI 生成摘要，快速了解页面内容
- 网页快照：本地保存完整 HTML，哪怕原链接失效也能回看
更好的分类
分类不是一次性工程，更像是一个会随着你关注点变化而持续演进的系统。所以 HamHome 提供了两条路线：先跑起来，再慢慢打磨。
A. 预设分类（开箱即用） 内置两套模板，可一键导入：
- 通用型：适合日常信息获取 + 工作生活混合的收藏习惯
- 专业创作者型：更高颗粒度，更适合技术/内容创作者的知识体系
AI 生成分类（量身定制） 如果你不想"套模板"，可以直接描述你的使用场景，让 AI 帮你生成一套适配你的分类结构：
- 比如：我主要收藏前端/AI/产品分析/写作素材，希望能按主题 + 用途组织
- AI 会给出一棵可落地的分类树
- 并且支持 无限层级的树形分类结构（你可以按自己的习惯继续细分）
搜索体验
对话式交互的语义化搜索：用"问题"找回书签
当你收藏足够多之后，检索方式决定体验上限。
HamHome 提供 强大的搜索与筛选：
- 全文搜索：标题、描述和内容
- 按分类、标签、时间范围筛选
- 支持创建自定义筛选预设（保存复杂查询条件）
- 语义化搜索 ：不必记住关键词，直接输入自然语言，比如：
- "我收藏过哪些关于 React 性能优化的内容？"
- "帮我找上个月那篇讲定价策略的文章。"
- Hybrid 检索：把关键词召回和向量语义召回结合起来，尽量做到"你描述得出来，我就能找得到"
当然还有其他很多功能细节，比如：浏览器书签导入、导出功能、快照保存、存储管理、标签管理等等