AIReader 是一款基于 Chrome 扩展程序（Manifest V3）构建的本地硬核精读工具。系统采用“斯巴达式”交互逻辑，通过强迫输出与底层逻辑拆解，辅助用户完成跨学科的知识内化。
拒绝被动投喂，直击文本第一性原理。系统利用大语言模型（LLM）进行上下文动态扫描，结合“盲盒锁死”机制，强制读者在获取 AI 答案前完成独立的逻辑推演，最终将高价值认知沉淀为本地“知识晶体”。
- 多书隔离存储：基于 IndexedDB (
AIReaderDB) 实现，书籍资产本地化留存，无云端隐私泄露风险。 - 全局拖拽导入：支持在数字大厅内通过全屏拖拽直接导入书籍，0 延迟渲染。
- 无感格式兼容：原生支持
.epub格式。针对.txt纯文本，系统利用JSZip在内存中实时封装为标准 EPUB 结构，实现排版降维打击与精准分页。
底层技能引擎通过 epub.js 获取精确的阅读游标（CFI）与 DOM 文本，结合大模型构建动态 Prompt：
- 前文复盘回顾：提取隐性线索，串联底层认知框架。
- 提炼本章骨架：直击第一性原理，剥离冗余修饰，输出结构化 Markdown。
- 解释选中段落：规避跨页 DOM 死锁，精准提取高亮文本，进行跨语境映射。
- 沙盘推演测验：抛出高阶反问并触发 UI 锁死。用户必须输入独立推演逻辑后，方可解锁后续阅读与对话。
- 阅读器顶部工具栏新增 📑 目录按钮：EPUB 书籍按章节树展示，点击即可跳转（TXT 转换书暂无目录结构）。
- AI 面板新增 📖 按钮：自动按章节/文本块切分全书 → 逐块提取核心论点与关键概念 → 全局综合生成"全书定位 + 章节骨架 + 概念关系（Mermaid）+ 论证主线"。
- 提取过程实时显示进度与计时，Map 阶段并发 3 路；结果自动缓存（IndexedDB），失败/取消后可断点续传，重复提取不重复扣费。
- 支持一键复制 Markdown 或下载
.md文件（Obsidian 兼容 frontmatter，含溯源说明）。 - 骨架条目带"↩ 原文"溯源链接（实验性，见"已知问题"）。
- JSON 容错流水线：尾逗号、缺失逗号、未加引号键（含中文键/中文引号键）、字符串裸换行、嵌套 JSON、正则兜底解包。
- reasoning 模型自动回退
deepseek-chat；单请求 300 秒超时；渲染异常降级纯文本。
- 碎片化采矿：阅读过程中的高价值对话可一键提炼为“知识晶体”。
- 沉浸式回顾：采用精装博客级 CSS 排版（大字号、宽行距、Markdown 实时解析），支持一键复制流转。
- 出版级排版干预：强穿透 iframe 隔离，统一接管 EPUB 与 TXT 的字体、行距渲染。
- 零卡顿分页：采用基于 Spine 索引的百分比进度算法，规避传统全书字符扫描的性能瓶颈。
- 深浅双色主题：内置全局流式输出（SSE），支持打字机级动态渲染，双语一键切换。
项目坚持“零外部框架”的 Vanilla JS 路线，确保扩展的极致轻量与安全。
- 扩展标准：Chrome Manifest V3 (Service Worker 驱动)
- 持久化层：IndexedDB (
db.js) +chrome.storage.local(保存配置与多书阅读进度) - 核心解析引擎：
epub.min.js - 打包与渲染：
jszip.min.js(内存文件封装),marked.min.js(实时 HTML 转换) - 安全渲染：
skills/markdown.js（唯一允许的 Markdown 出口，转义原始 HTML） - 提取管线：
skills/extract.js（章节切分 + Map-Reduce 分层提取） - 通信协议：Fetch API + Server-Sent Events (SSE) 处理 LLM 流式输出
- CFI 溯源跳转（实验性）：在多章 EPUB 上可跳章节；在单章大书/嵌套容器文档上翻页定位失效。已封存，根因与修复方向见 项目报告 的"封存问题"节。功能保留，但不承诺可用。
- 提取速度：大书 + 思维链模型时仍较慢，建议提取时在配置中心使用非 reasoning 模型（如
deepseek-chat）。
AIReader/
├── manifest.json # 扩展配置声明
├── background.js # Service Worker，处理图标点击路由
├── library.html/css/js # 数字大厅（主视图、书架、知识库、拖拽引擎）
├── reader.html/css/js # 阅读器（主阅读区、AI 心智面板、主题控制）
├── options.html/js # 配置中心（API Key、模型切换）
├── icons/ # 扩展图标库 (16, 32, 48, 128px)
└── skills/ # 核心逻辑模块
├── db.js # 数据库引擎
├── api.js # 流式大模型网关
├── extract.js # 全书框架分层提取管线（Map-Reduce）
├── markdown.js # 安全 Markdown 渲染
└── skills.js # 认知技能 Prompt 策略组
| 文档 | 用途 |
|---|---|
| AGENTS.md | AI 代理与协作者的开发约定（改代码前必读） |
| CHANGELOG.md | 版本更新日志 |
| 项目报告_2026-08-02.md | 全局静态扫描报告（问题清单） |
| 项目规划报告_2026-08-02.md | 后续规划（知识提取器路线图） |
| 项目护城河与差异化思考 | 战略立场文件（供 qwen 二次讨论） |
| 提取质量核验报告 | 首份真实图书质量审计 |
| docs/snapshots/ | 快照存档规范与版本基线 |
| docs/archive/ | 历史审计报告（已归档） |
本项目是个人开发者学习"正式项目流程"的样板：每次发版前打快照标签、维护更新日志、遵守 AGENTS.md 中的验证清单。提交信息使用 type(scope): 摘要 格式。
- 下载或 Clone 本项目至本地目录。
- 打开 Chrome 浏览器，进入扩展程序管理页：
chrome://extensions/。 - 开启右上角的 开发者模式。
- 点击 加载已解压的扩展程序，选择本项目的根目录。
- 扩展安装完成后，在浏览器工具栏右键点击 AIReader 图标，选择 选项。
- 填入你的 DeepSeek API Key（或兼容 OpenAI 格式的其他模型接口），保存并测试连接。
- 点击浏览器右上角的扩展图标，进入数字中枢，开始硬核阅读。