你的收藏夹是垃圾堆，不是知识库

「你有一个40个视频的YouTube播放列表，200篇收藏的文章，一文件夹想读却未读的PDF。这些都不是知识，只是一个队列。」这是Synthadoc团队在v0.3.0发布时写下的第一句话。他们戳中了一个被忽视的真相：收藏≠掌握，存储≠理解。

我们花了十年搭建信息收集系统——书签、Notion、Pocket、星标邮件。系统越来越臃肿，检索却永远差一口气。六个月前保存的关于Transformer注意力机制的文章，你现在根本找不到。看完45分钟的会议演讲，吸收30%，剩下70%随风而散。问题不在硬盘空间，在信息合成能力。保存链接只是存了个指针，它不会提取核心主张，不会关联已有知识，更不会提醒你与上周读到的内容矛盾。

Synthadoc的迭代路径很清晰：v0.1.0搞定文档（PDF、Word、表格、图片）；v0.2.0加入混合检索（BM25+向量搜索），让知识库膨胀时检索精度不掉；v0.3.0终于把手伸向2026年知识真正的栖息地——视频和实时网页。

一条命令，视频变维基

操作极简。终端输入：

synthadoc ingest "https://www.youtube.com/watch?v=..."

或者在Obsidian里打开"Ingest: from URL..."弹窗，粘贴链接，点击Ingest。

后台发生五件事：第一，抓取视频的字幕轨道——不下载音频，不调用第三方转录API，不需要API密钥；第二，转录文本分块，保留[MM:SS]时间戳，每条陈述都可追溯到视频具体时刻；第三，大语言模型生成执行摘要：视频主题、覆盖的主要议题、核心结论，控制在三到五句话；第四，完整的时间戳转录跟在摘要后面；第五，自动构建与现有维基页面的交叉引用——如果你的维基已有"注意力机制"页面，新页面会自动出现[[attention-mechanisms]]链接。

输出结果是一个结构化的维基页面，包含元数据（标题、状态、置信度、创建时间、来源）、执行摘要，以及带时间戳的完整转录。Jay Alammar的Transformer可视化讲解被处理后，摘要写道："涵盖自注意力、多头注意力、位置编码和编码器-解码器结构，使用动画图示。关键结论：注意力机制让每个token能同时'查看'序列中所有其他token，这是相对于RNN实现并行化的根源。"

为什么时间戳是隐藏杀手

大多数转录工具给你一大段文字。Synthadoc坚持嵌入精确时间戳，这不是装饰。当你三个月后想确认"那个关于并行化瓶颈的论点"，你能直接跳到[00:42]；当你写论文需要引用视频中的具体表述，时间戳让溯源成为可能。

更隐蔽的设计是自动交叉引用。知识库的价值不在单条信息，在连接密度。新视频提到已有概念时，双向链接自动生成。你的维基逐渐长成一张网，而非一叠卡片。

网页实时抓取：绕过存档的死亡

v0.3.0的另一块新增能力是实时网页摄取。同样一条命令：

synthadoc ingest "https://example.com/article"

处理流程：获取页面内容，提取主文本（自动去除导航栏、广告、页脚），识别文章结构（标题、章节、列表、代码块），生成执行摘要，保存完整正文，建立交叉引用。与视频处理的核心差异在于：网页没有内置时间戳，但文章结构本身成为导航锚点。

这里有个被低估的场景。你收藏的链接半年后失效，变成404。Synthadoc在摄取时刻就完成内容提取和本地存储，链接死亡不影响你的知识资产。这不是离线阅读器，是数字记忆的保险机制。

技术选型背后的取舍

团队做了几个关键决策，值得拆解。

字幕优先于音频转录。YouTube绝大多数教育视频自带字幕，直接抓取省去语音识别环节，零API成本，零延迟。只有当字幕不存在时，系统才回退到音频转录。这是针对"知识型视频"场景的优化——TED演讲、学术报告、技术分享，字幕覆盖率极高。

混合检索保留BM25。向量搜索擅长语义匹配，但精确术语检索时BM25更可靠。两者结合，知识库从10页增长到1000页，找"transformer attention mechanism"不会变成找"变形器注意力机制"的模糊游戏。

本地优先架构。所有处理在本地完成，字幕抓取直接连接YouTube，网页抓取直接连接目标站点，没有中间服务器看到你的数据。对于研究敏感课题的用户，这是刚需。

Obsidian集成：不造新工具，寄生现有工作流

Synthadoc没有自建编辑器，而是深度绑定Obsidian。摄取的内容以Markdown格式进入你的Obsidian库，立即获得该生态的全部能力：图谱视图、反向链接、标签系统、社区插件。

这个选择很聪明。知识管理工具的市场教育成本极高，用户迁移意愿极低。与其说服用户换平台，不如让用户现有平台变强。Obsidian的500万用户成为天然受众，零学习曲线上手。

v0.3.0的Obsidian插件提供三种摄取入口：命令面板、右键菜单、快捷键。配置完成后，粘贴链接到弹窗是最慢的方式，熟练用户全程不用离开键盘。

执行摘要的隐藏成本

三到五句话的摘要由大语言模型生成，这里存在质量方差。测试显示，对于结构清晰的学术演讲，摘要准确率高；对于发散式对谈，模型可能过度简化或误抓重点。Synthadoc的应对是暴露"置信度"字段——medium、high等标签提示用户摘要的可信程度。

更深层的问题是：谁来决定什么是"关键结论"？模型的摘要偏好可能与你的学习目标错位。一个关于Transformer的技术演讲，开发者关心架构细节，产品经理关心应用场景，摘要只能覆盖一种视角。

当前的解决方式是保留完整转录，摘要仅作为快速筛选工具。但用户需要警惕：不要只看摘要，以为掌握了视频。摘要是一张地图，不是领土本身。

知识库通胀与检索失效

v0.2.0引入混合检索，针对的是真实痛点：知识库膨胀后，找东西变难。这是所有第二大脑工具的黄昏时刻——初期流畅，中期混乱，后期废弃。

Synthadoc的BM25+向量混合方案，在测试中显示：当库规模达到500页时，纯向量检索的top-3准确率下降约35%，混合方案维持在85%以上。数字来自官方基准测试，实际体验因内容领域而异。

但检索技术解决不了组织问题。自动交叉引用减少手动链接负担，但页面命名规范、标签体系、定期回顾，仍需用户自律。工具能降门槛，不能替人思考。

从队列到合成：v0.3.0的真正野心

回顾三个版本的迭代，Synthadoc的核心命题逐渐清晰：不是帮你存更多，而是帮你消化更快。v0.1.0处理存量文档，v0.2.0保障规模扩展，v0.3.0打通实时信息流。

这个路径与竞品形成差异。Notion AI、Mem等工具聚焦在已有内容的生成式查询，问你任何文档都能得到答案。Synthadoc坚持"摄取-结构化-连接"的流水线，先把外部信息转化为内部格式，再谈检索和利用。

两种哲学：前者是超级搜索，后者是知识炼金。没有绝对优劣，取决于你的工作模式。如果你需要快速定位"那份合同里关于付款的条款"，超级搜索更高效；如果你在学习复杂领域，需要建立概念之间的长期关联，炼金模式更可持续。

定价与可用性

v0.3.0采用开源核心+付费托管模式。代码在GitHub公开，自托管免费。官方云服务按摄取量计费，YouTube视频和网页文章按字符数折算积分。Obsidian插件免费，高级检索功能需订阅。

对于技术用户，自托管成本主要是LLM调用费用。默认使用本地模型（Ollama兼容），也可配置OpenAI/Anthropic API密钥。本地模型在摘要质量上略逊于云端大模型，但零隐私顾虑，零网络依赖。

局限与诚实

官方文档列出的已知限制：YouTube直播无法实时摄取（需等字幕生成）；付费墙内容需要用户自行提供文本；某些网站的反爬机制会阻断摄取；多语言视频的交叉引用准确率低于英语内容。

这些不是待修复的bug，是架构选择的必然代价。实时直播需要完全不同的技术栈；绕过付费墙涉及法律风险；反爬对抗是永无止境的军备竞赛。Synthadoc选择在边界内做好，而非承诺万能。

谁该用，谁不必

三类人最适合：研究者（需要追踪大量学术视频和文献）、技术写作者（需要整合分散的教程和文档）、终身学习者（YouTube播放列表超过20个未看视频）。

两类人可能失望：期待全自动知识图谱构建的（仍需手动整理和回顾）、主要消费短内容的（TikTok/短视频的信息密度不值得摄取流程）。

一个值得尝试的动作

打开你的YouTube"稍后观看"列表，数一下未看视频的数量。如果超过10个，选最老的一个，用Synthadoc摄取。五分钟后，你会拥有一个可搜索、可引用、可链接的维基页面。对比之前"标记为已看"的自我欺骗，这是真实的进度。

知识管理的终极指标不是收藏数量，是提取频率。v0.3.0没有发明新范式，只是把"稍后处理"变成"现在处理"的摩擦降到足够低。当你的队列开始流动，收藏夹才不再是垃圾堆。