1 line
17 KiB
JSON
1 line
17 KiB
JSON
{"repo": "catchno2/mindarchive", "files": {"config.example.json": {"5b9bf7f70530b60a26ac51b218a3edb07f8c6a6a": {"t": 1785745315.6668444, "n": 762, "h": "942d6bed0bfd290e", "c": "{\n \"llm\": {\n \"backend\": \"openai_compatible\",\n \"base_url\": \"https://api.deepseek.com/v1\",\n \"api_key\": \"${DEEPSEEK_API_KEY}\",\n \"model\": \"deepseek-chat\",\n \"temperature\": 0.2,\n \"max_tokens\": 20000,\n \"timeout_s\": 60,\n \"retries\": 3,\n \"json_mode\": true,\n \"context_window\": 0\n },\n \"pricing\": {\n \"currency\": \"CNY\",\n \"input_per_1m\": 1.0,\n \"output_per_1m\": 2.0,\n \"cache_read_per_1m\": 0.25\n },\n \"cost_limit\": 0,\n \"pipeline\": {\n \"chunk_chars\": 55000,\n \"overlap_chars\": 6000,\n \"enabled_features\": [\"profile\", \"ai_role\", \"inspiration\", \"spiritual\", \"achievement\", \"emotion\", \"knowledge\"],\n \"sample_limit\": 0,\n \"max_chunks_per_batch\": 8\n },\n \"io\": {\n \"input_dir\": \"./input\",\n \"output_dir\": \"./output\"\n }\n}\n"}, "39b3b54695125d97634c057cb30eed21276a3fca": {"t": 1785749947.703229, "n": 762, "h": "942d6bed0bfd290e", "c": "{\n \"llm\": {\n \"backend\": \"openai_compatible\",\n \"base_url\": \"https://api.deepseek.com/v1\",\n \"api_key\": \"${DEEPSEEK_API_KEY}\",\n \"model\": \"deepseek-chat\",\n \"temperature\": 0.2,\n \"max_tokens\": 20000,\n \"timeout_s\": 60,\n \"retries\": 3,\n \"json_mode\": true,\n \"context_window\": 0\n },\n \"pricing\": {\n \"currency\": \"CNY\",\n \"input_per_1m\": 1.0,\n \"output_per_1m\": 2.0,\n \"cache_read_per_1m\": 0.25\n },\n \"cost_limit\": 0,\n \"pipeline\": {\n \"chunk_chars\": 55000,\n \"overlap_chars\": 6000,\n \"enabled_features\": [\"profile\", \"ai_role\", \"inspiration\", \"spiritual\", \"achievement\", \"emotion\", \"knowledge\"],\n \"sample_limit\": 0,\n \"max_chunks_per_batch\": 8\n },\n \"io\": {\n \"input_dir\": \"./input\",\n \"output_dir\": \"./output\"\n }\n}\n"}}, "README.md": {"5b9bf7f70530b60a26ac51b218a3edb07f8c6a6a": {"t": 1785747204.541647, "n": 3760, "h": "bb8901c1619491cf", "c": "# conversation-organizer\n\n> **你的对话，远不止是对话 💬**\n\n[English README →](README_EN.md)\n\n你是否想过，那些与 AI 的每一次深夜长谈🌙、每一次思维碰撞💡、每一次情绪倾诉💭——它们并不应该就这样消失在聊天记录里。\n\n**conversation-organizer** 做的事很简单：把你和 AI 的所有对话，变成一份属于你的人生档案。📁✨\n\n---\n\n## 🎯 我们解决了什么？\n\n### 1️⃣「聊完就忘」的遗憾 😔\n你和 AI 聊了几个小时的好想法，聊完就沉在几千条记录里，再也找不到。这个工具会从对话中**自动提炼**出：\n\n- 💡 **可商用灵感** → 一闪而过的商业念头，可能价值千万的那个念头\n- 🧠 **AI 定位** → AI 在你生活中扮演什么角色？创作伙伴？心理咨询？技术顾问？\n- 📚 **知识库** → 自动分类整理，你的知识积累路径一目了然\n- ✍️ **精神价值文章** → 那些 AI 写给你的、值得反复品读的深刻内容\n- 🏆 **成就时间线** → 你的里程碑时刻，自动串成一条成长轨迹\n\n### 2️⃣「我到底在和 AI 聊什么」的自我认知盲区 🔍\n你可能没意识到，你和 AI 的对话模式，就是一面最好的镜子：\n\n- 👤 **用户画像** → 原来我最关心的是这些事情，我的思维模式是这样的\n- 🤖 **AI 定位** → 我用 AI 在做什么？辅助编程？写作搭档？还是情绪树洞？\n- 📊 **情绪感知** → 过去这段时间，你的情绪曲线如何？高峰与低谷都在哪里？\n\n### 3️⃣「整理太麻烦」的行动门槛 😫\n不需要手动整理，不需要付费工具，甚至**不需要安装任何第三方库**——纯 Python 标准库实现，零依赖。只需一条命令，所有对话自动归档成结构化文档。\n\n更贴心的是：\n\n- 🔄 **增量处理 + 断点续跑** → 新增对话只处理新的，崩溃了从断点继续，绝不重复浪费\n- 💰 **消费统计 + 费用上限** → 每次花了多少 token、多少钱，一目了然；设个上限，超了自动停\n- ⚡ **缓存优化** → 利用供应商前缀缓存，同样内容不重复收费，省钱又高效\n- 🔌 **多种运行模式** → 调 API 也行、完全离线让 AI 自己当模型也行、导出 prompt 也行\n- 📦 **一键流水线**（可选）→ 配合导出器，导出的文件直接丢进文件夹，自动整理→打开结果\n\n---\n\n## 💎 对你的意义\n\n这不是一个冷冰冰的「数据整理工具」，而是一次**自我认知的挖掘工程**：\n\n- 🔍 **发现** —— 你聊出了多少可能被遗忘的好点子？多少值得深入的知识体系？那些深夜灵感、碎片思考，现在全被捞回来了。\n- 💎 **沉淀** —— 把碎片化的对话，变成可持续积累的数字资产——可商用灵感、精神价值文章、成就时间线、分门别类的知识库。你的每一次对话，都在为未来的你「存钱」。\n- 📈 **成长可见** —— 当你能看到自己过去几个月和 AI 聊了什么、学到了什么、情绪如何变化，你的成长轨迹从未如此清晰。你不再是「聊完就忘」，而是「聊完就长」。\n- 🔒 **隐私友好** —— 数据在你手里，处理在本地跑。支持多种 AI 导出器的 JSON / Markdown / Plain Text，甚至可以完全零配置让 AI 自己当「模型」来处理——你的对话，你做主。\n\n🧠 **简单说：这不是个工具，是你数字生活的第二大脑。** 它让每一次与 AI 的对话，都真正「被记住」和「被用上」。\n\n---\n\n## 🔌 它支持哪些来源？（解耦设计）\n\n**本工具与具体某家 AI 完全解耦。** 现在已经有大量工具可以支持批量导出各种 AI 的历史对话——你只需要做一件事：\n\n> **把所有导出的对话，放进同一个文件夹，然后指给本工具分析即可。**\n\n- 📁 支持的扩展名：**`.txt` / `.json` / `.md`**（同名文件自动去重，优先用信息更全的 `json`）\n- 🏷️ 行首角色标签自动识别，不限来源：`User` / `Human` / `You` 与 `Assistant` / `DeepSeek` / `Claude` / `ChatGPT` / `GPT` / `Gemini` / `AI` / `Bot` ……（也可混用）\n- 🧩 **可以把多个 AI 的导出放在同一个文件夹里一起分析**——你的「人生档案」不该被哪家厂商割裂。\n- 🕒 文件名约定（导出器通常自带）：`YYYY-MM-DD_HH-MM-SS - 标题.扩展名`，便于按时间排序。\n\n**以 DeepSeek 为例**（我个人用得最多）：可配合 [deepseek-exporter](https://github.com/agoramachina/deepseek-exporter) 的社区派生版批量导出 **JSON / Markdown / Plain Text**。其中 **JSON 最完整**——含逐条时间戳与思考过程，本工具优先读取它，让「情绪感知 / 知识库 / AI 定位」更准。ChatGPT、Claude、Gemini 等也都有各自的导出工具，导出后丢进同一个文件夹即可。\n\n---\n\n## 🚀 快速开始\n\n### 第 1 步：准备一个「对话文件夹」\n把你从各家 AI 导出的历史对话（`.txt` / `.json` / `.md`）放进同一个文件夹，例如 `conversations/`。\n\n### 第 2 步：安装 Python（只需一次）\n下载安装 [Python 3.10+](https://www.python.org/downloads/)，安装时**务必勾选 \"Add python.exe to PATH\"**。\n\n### 第 3 步：配置（真实整理才需要）\n整理要调用一个 OpenAI 兼容模型（默认 DeepSeek）。设置一次即可：\n\n```powershell\n# Windows PowerShell\n$env:DEEPSEEK_API_KEY = \"sk-你的key\"\n```\n\n也可完全**免 API key**：本工具支持 `ai` 后端——把每个分块的 prompt 导出，由 AI（如 WorkBuddy）代为回答再回收整理。\n\n### 第 4 步：一键整理\n**方式 A（最简单）**：双击 `run.bat`，把对话放进它创建的 `conversations/` 文件夹，再双击一次即可。\n\n**方式 B（命令行）**：\n\n```bash\n# 整理某个文件夹里的所有对话\npython organize.py --input conversations --output output\n\n# 想先试跑、不花一分钱（用内置「AI 自己当模型」后端，导出 prompt 供你手动回收）\npython organize.py --input conversations --output output --backend ai --dry-run\n```\n\n---\n\n## ⚙️ 运行模式\n\n| 模式 | 说明 | 是否需要 key |\n|---|---|---|\n| `api`（默认） | 调用 OpenAI 兼容模型（配置 `llm.api_key` 或环境变量） | 需要 |\n| `ai` | 完全离线：把每个分块的 prompt 导出，由 AI 代为回答再回收 | 不需要 |\n| `export` | 只导出整理用的 prompt，不调用任何模型 | 不需要 |\n\n详见 `config.example.json`。\n\n---\n\n## 📂 输出（7 类结构化报告）\n\n整理结果写入输出目录，包含：\n\n```\noutput/\n├── 00-总览.md # 全局概览与索引\n├── 01-用户画像.md\n├── 02-AI定位.md\n├── 03-可商用灵感.md\n├── 04-精神价值文章.md\n├── 05-成就.md\n├── 06-情绪感知.md\n└── 07-知识库.md\n```\n\n---\n\n## 🔒 隐私\n\n- 全部在**本地**处理，对话内容不会上传到任何第三方服务器（调用 API 时仅把对话文本发给你配置的模型提供商）。\n- 零三方依赖，纯 Python 标准库。\n\n---\n\n## 📜 许可证与致谢\n\n- 本仓库采用 MIT License，© 2026 CatchNo2。\n- 解析逻辑、7 类报告抽取与流水线均为本仓库原创实现。\n- 若你使用 **DeepSeek** 并配合导出器，相关导出器为 [agoramachina/deepseek-exporter](https://github.com/agoramachina/deepseek-exporter) 的派生（fork），其 MIT License 归原作者 tux tucker 所有，**郑重致谢上游项目**。\n"}, "39b3b54695125d97634c057cb30eed21276a3fca": {"t": 1785749948.572491, "n": 3726, "h": "752749de7e639f42", "c": "# conversation-organizer\n\n> **你的对话，远不止是对话 💬**\n\n你是否想过，那些与 AI 的每一次深夜长谈🌙、每一次思维碰撞💡、每一次情绪倾诉💭——它们并不应该就这样消失在聊天记录里。\n\n**conversation-organizer** 做的事很简单：把你和 AI 的所有对话，变成一份属于你的人生档案。📁✨\n\n---\n\n## 🎯 我们解决了什么？\n\n### 1️⃣「聊完就忘」的遗憾 😔\n你和 AI 聊了几个小时的好想法，聊完就沉在几千条记录里，再也找不到。这个工具会从对话中**自动提炼**出：\n\n- 💡 **可商用灵感** → 一闪而过的商业念头，可能价值千万的那个念头\n- 🧠 **AI 定位** → AI 在你生活中扮演什么角色？创作伙伴？心理咨询？技术顾问？\n- 📚 **知识库** → 自动分类整理，你的知识积累路径一目了然\n- ✍️ **精神价值文章** → 那些 AI 写给你的、值得反复品读的深刻内容\n- 🏆 **成就时间线** → 你的里程碑时刻，自动串成一条成长轨迹\n\n### 2️⃣「我到底在和 AI 聊什么」的自我认知盲区 🔍\n你可能没意识到，你和 AI 的对话模式，就是一面最好的镜子：\n\n- 👤 **用户画像** → 原来我最关心的是这些事情，我的思维模式是这样的\n- 🤖 **AI 定位** → 我用 AI 在做什么？辅助编程？写作搭档？还是情绪树洞？\n- 📊 **情绪感知** → 过去这段时间，你的情绪曲线如何？高峰与低谷都在哪里？\n\n### 3️⃣「整理太麻烦」的行动门槛 😫\n不需要手动整理，不需要付费工具，甚至**不需要安装任何第三方库**——纯 Python 标准库实现，零依赖。只需一条命令，所有对话自动归档成结构化文档。\n\n更贴心的是：\n\n- 🔄 **增量处理 + 断点续跑** → 新增对话只处理新的，崩溃了从断点继续，绝不重复浪费\n- 💰 **消费统计 + 费用上限** → 每次花了多少 token、多少钱，一目了然；设个上限，超了自动停\n- ⚡ **缓存优化** → 利用供应商前缀缓存，同样内容不重复收费，省钱又高效\n- 🔌 **多种运行模式** → 调 API 也行、完全离线让 AI 自己当模型也行、导出 prompt 也行\n- 📦 **一键流水线**（可选）→ 配合导出器，导出的文件直接丢进文件夹，自动整理→打开结果\n\n---\n\n## 💎 对你的意义\n\n这不是一个冷冰冰的「数据整理工具」，而是一次**自我认知的挖掘工程**：\n\n- 🔍 **发现** —— 你聊出了多少可能被遗忘的好点子？多少值得深入的知识体系？那些深夜灵感、碎片思考，现在全被捞回来了。\n- 💎 **沉淀** —— 把碎片化的对话，变成可持续积累的数字资产——可商用灵感、精神价值文章、成就时间线、分门别类的知识库。你的每一次对话，都在为未来的你「存钱」。\n- 📈 **成长可见** —— 当你能看到自己过去几个月和 AI 聊了什么、学到了什么、情绪如何变化，你的成长轨迹从未如此清晰。你不再是「聊完就忘」，而是「聊完就长」。\n- 🔒 **隐私友好** —— 数据在你手里，处理在本地跑。支持多种 AI 导出器的 JSON / Markdown / Plain Text，甚至可以完全零配置让 AI 自己当「模型」来处理——你的对话，你做主。\n\n🧠 **简单说：这不是个工具，是你数字生活的第二大脑。** 它让每一次与 AI 的对话，都真正「被记住」和「被用上」。\n\n---\n\n## 🔌 它支持哪些来源？（解耦设计）\n\n**本工具与具体某家 AI 完全解耦。** 现在已经有大量工具可以支持批量导出各种 AI 的历史对话——你只需要做一件事：\n\n> **把所有导出的对话，放进同一个文件夹，然后指给本工具分析即可。**\n\n- 📁 支持的扩展名：**`.txt` / `.json` / `.md`**（同名文件自动去重，优先用信息更全的 `json`）\n- 🏷️ 行首角色标签自动识别，不限来源：`User` / `Human` / `You` 与 `Assistant` / `DeepSeek` / `Claude` / `ChatGPT` / `GPT` / `Gemini` / `AI` / `Bot` ……（也可混用）\n- 🧩 **可以把多个 AI 的导出放在同一个文件夹里一起分析**——你的「人生档案」不该被哪家厂商割裂。\n- 🕒 文件名约定（导出器通常自带）：`YYYY-MM-DD_HH-MM-SS - 标题.扩展名`，便于按时间排序。\n\n**以 DeepSeek 为例**（我个人用得最多）：可配合 [deepseek-exporter](https://github.com/agoramachina/deepseek-exporter) 的社区派生版批量导出 **JSON / Markdown / Plain Text**。其中 **JSON 最完整**——含逐条时间戳与思考过程，本工具优先读取它，让「情绪感知 / 知识库 / AI 定位」更准。ChatGPT、Claude、Gemini 等也都有各自的导出工具，导出后丢进同一个文件夹即可。\n\n---\n\n## 🚀 快速开始\n\n### 第 1 步：准备一个「对话文件夹」\n把你从各家 AI 导出的历史对话（`.txt` / `.json` / `.md`）放进同一个文件夹，例如 `conversations/`。\n\n### 第 2 步：安装 Python（只需一次）\n下载安装 [Python 3.10+](https://www.python.org/downloads/)，安装时**务必勾选 “Add python.exe to PATH”**。\n\n### 第 3 步：配置（真实整理才需要）\n整理要调用一个 OpenAI 兼容模型（默认 DeepSeek）。设置一次即可：\n\n```powershell\n# Windows PowerShell\n$env:DEEPSEEK_API_KEY = \"sk-你的key\"\n```\n\n也可完全**免 API key**：本工具支持 `ai` 后端——把每个分块的 prompt 导出，由 AI（如 WorkBuddy）代为回答再回收整理。\n\n### 第 4 步：一键整理\n**方式 A（最简单）**：双击 `run.bat`，把对话放进它创建的 `conversations/` 文件夹，再双击一次即可。\n\n**方式 B（命令行）**：\n\n```bash\n# 整理某个文件夹里的所有对话\npython organize.py --input conversations --output output\n\n# 想先试跑、不花一分钱（用内置「AI 自己当模型」后端，导出 prompt 供你手动回收）\npython organize.py --input conversations --output output --backend ai --dry-run\n```\n\n---\n\n## ⚙️ 运行模式\n\n| 模式 | 说明 | 是否需要 key |\n|---|---|---|\n| `api`（默认） | 调用 OpenAI 兼容模型（配置 `llm.api_key` 或环境变量） | 需要 |\n| `ai` | 完全离线：把每个分块的 prompt 导出，由 AI 代为回答再回收 | 不需要 |\n| `export` | 只导出整理用的 prompt，不调用任何模型 | 不需要 |\n\n详见 `config.example.json`。\n\n---\n\n## 📂 输出（7 类结构化报告）\n\n整理结果写入输出目录，包含：\n\n```\noutput/\n├── 00-总览.md # 全局概览与索引\n├── 01-用户画像.md\n├── 02-AI定位.md\n├── 03-可商用灵感.md\n├── 04-精神价值文章.md\n├── 05-成就.md\n├── 06-情绪感知.md\n└── 07-知识库.md\n```\n\n---\n\n## 🔒 隐私\n\n- 全部在**本地**处理，对话内容不会上传到任何第三方服务器（调用 API 时仅把对话文本发给你配置的模型提供商）。\n- 零三方依赖，纯 Python 标准库。\n\n---\n\n## 📜 许可证与致谢\n\n- 本仓库采用 MIT License，© 2026 CatchNo2。\n- 解析逻辑、7 类报告抽取与流水线均为本仓库原创实现。\n- 若你使用 **DeepSeek** 并配合导出器，相关导出器为 [agoramachina/deepseek-exporter](https://github.com/agoramachina/deepseek-exporter) 的派生（fork），其 MIT License 归原作者 tux tucker 所有，**郑重致谢上游项目**。\n"}}}} |