Lucy AI Context Navigator

项目概览

Lucy 是一个运行在 AI 对话页面中的 Chrome 扩展原型，服务长期、高频、跨平台使用大模型处理复杂任务的知识工作者。产品围绕两个隐性成本展开：模型不了解用户长期积累的背景，用户也难以管理长对话中不断增长的目标与分支。

公开版采用 Extension-first 架构。本地文件授权、增量索引、混合检索、来源预览、上下文注入，以及主线与分支导航都在扩展内完成，不要求用户额外安装后端服务。

问题背景

复杂知识工作中，当前对话往往缺少项目文档、会议记录、研究笔记和历史决策。用户需要在不同 AI 平台反复查找、复制和解释这些背景。另一方面，模型为了完整会同时给出多种方案、风险和延伸方向；对话继续得越久，用户越难判断当前内容是否还在服务最初目标。

传统摘要可以回答“讨论了什么”，却很少回答“现在应继续哪里、哪些方向应该拆出去”。因此，背景召回与对话导航需要被当作一组连续的控制能力。

我的角色

我负责将分散的 AI 使用摩擦收敛为 Context Grounding 与 Conversation Navigation 两个模块，设计文件授权、增量扫描、混合检索、来源确认和注入流程，以及主线、三类分支、意图漂移、上下文污染和行动建议的结构化 schema。工程侧完成 Manifest V3 扩展、Offscreen 长任务、IndexedDB 持久化、跨平台适配和 LLM provider 接入的原型实现。

目标与约束

目标是减少重复背景输入，让用户在发送资料前保持知情与控制，并把对话分析落到下一句可以执行的动作。约束来自个人资料隐私、外部 API 不稳定、Manifest V3 Service Worker 休眠、AI 页面 DOM 频繁变化，以及完整历史带来的 token、延迟与噪声成本。

关键判断

Lucy 不以替用户自主完成任务为目标，它位于用户与多个 AI 平台之间，帮助用户决定模型应读取哪些背景、对话应沿哪条路径推进。

本地关键词检索是最低可用基线，embedding 和云端 LLM 是增强层。检索结果必须先展示来源与原文，再由用户决定是否注入。对话分析不仅输出状态，还必须生成继续当前主线、切换分支或新开会话的可复制指令。

产品方案

本地知识模块由文件夹授权开始，只递归读取 .md 和 .txt。系统用 SHA-256 文件指纹识别变化，以 MiniSearch 建立关键词索引；配置 embedding provider 后，再加入分块向量检索，并用 Reciprocal Rank Fusion 合并两类结果。用户查看原文、补充当前任务后，才把选中内容送入输入框。

对话导航模块提取最近轮次，与上一次结构化摘要共同分析，输出主线、活跃分支、次要分支、遗漏的重要方向，以及意图漂移、AI 主导和上下文污染等状态。

系统或工作流程

授权文件夹 → 增量扫描 → 关键词/语义索引 → 混合检索 → 来源预览 → 用户确认 → 上下文注入

最近对话 + 前序摘要 → 结构化分析 → 主线/分支/状态 → 继续、切换或新会话

长任务由 Background 调度、Offscreen Document 执行，索引持久化到 IndexedDB。平台差异收敛到 Platform Registry、selector 和 injector adapter，避免核心逻辑直接依赖某一个网站的 DOM。

执行过程

项目先建立浏览器本地的存储、关键词检索和状态持久化，再加入 embedding、混合排序与连续摘要。早期依赖固定 localhost:8004 的能力被重新划为默认关闭的可选辅助层，只接受本机地址并按需申请权限。公开版进一步收窄 host permission 和运行依赖，使核心模块可以独立安装与评审。

结果与证据

当前仓库包含可运行的 Plasmo / TypeScript Manifest V3 原型，支持 Markdown/TXT 文件夹选择、增量扫描、本地索引、混合检索、来源预览、输入框注入，以及主线、分支与下一步指令生成。核心适配覆盖 ChatGPT、Gemini、DeepSeek 和豆包；其他兼容入口的稳定性仍需逐项验证。

用户效果、检索有效率和主线纠偏率待补充真实验证结果。

当前边界

当前没有应用商店发布包和端到端自动化测试，也不支持跨设备同步、账户体系或团队知识库。配置云端 embedding 时，文件分块会发送到对应 Provider；对话教练也会把最近轮次发送给用户配置的 LLM。平台 DOM 更新可能让提取或注入失效，需要持续维护适配层。

复盘

复杂 AI 工作流的效率问题并不只来自生成速度。用户需要同时管理“模型知道什么”和“接下来讨论什么”。本地优先、先预览再注入、可退化基线与结构化连续摘要，都是为了让这两类控制权保持清晰。后续验证应优先测量背景重建成本、Top-5 有效结果率和主线纠偏情况。

仓库与演示

代码、运行方式与产品复盘见 Lucy GitHub 仓库 ↗。目前提供本地加载的浏览器扩展原型，没有独立在线演示地址。