开源项目 Weft 发布了一款致力于提升信息检索与生产效率的 Chrome 插件，旨在解决科研与写作中常见的“多标签页地狱”及 AI 回溯难问题。不同于传统的“总结当前页”工具，Weft 将浏览器转变为一个侧边栏研究工作台，允许用户从网页和 PDF 中手动选取关键段落，构建专属的“证据库”。该工具采用基于证据生成模式，所有 AI 输出均附带精确的来源引用标记（如 [S1]、[W1]），确保结论可追溯。此外，Weft 集成了本地 RAG 引擎、PDF 智能阅读、Deep Search（需人工确认的联网搜索）及 Mermaid 图表生成功能。在隐私方面，项目坚持本地优先原则，不设业务后端，数据仅存储于浏览器本地，并兼容 OpenAI、Anthropic、DeepSeek、Ollama 等多种模型端点，为内容创作者提供了可控、透明的研究辅助环境。
事件分析
Weft 代表了 AI 辅助工具从“全能型助手”向“垂直流程整合者”的演进方向。其技术亮点在于将 RAG（检索增强生成）的主动权完全交还给用户，通过“Session”机制实现了对模型上下文输入的精确控制，有效缓解了通用大模型在长文本处理中容易出现的幻觉和上下文超限问题。此外，项目在隐私架构上采取了极端的本地化策略，利用浏览器存储和本地推理（如 Ollama、Chrome Built-in AI），规避了云端数据泄露风险，这在当前企业级和个人隐私敏感场景中具有重要意义。Deep Search 环节引入的“人机确认”流程，虽然牺牲了一定的自动化快感，但极大提升了研究过程的可信度和透明度，展示了“人在回路”在复杂知识工作中的最佳实践。
核心观点：AI 工具的未来不在于全知全能的“黑盒”回答，而在于构建可追溯、可控且符合人类直觉的“增强型”工作流。
原文链接：V2EX 分享发现
