1. 项目概述:构建自进化的本地书籍管理系统
作为一名长期被电子书管理问题困扰的技术从业者,我设计了一套基于Python脚本的智能书籍管理系统。这个系统解决了电子书爱好者常见的三大痛点:分类困难、整理耗时和检索不便。不同于传统的一次性分类方案,这套系统通过"AI智能分类+规则兜底+二次学习"的闭环机制,实现了越用越准、越用越省心的自进化能力。
系统核心由三个Python脚本和一个配置文件构成:
AI智能整理待分类书籍.py:负责初次批量分类AI二次分类与规则学习.py:处理疑难书籍并学习新规则生成书籍总目录和清单.py:输出可检索的书籍报表category_config.json:存储分类体系和匹配规则
提示:系统设计时特别考虑了"成本控制",通过批量处理、规则优先等策略,将AI调用次数降到最低,同时保证了分类准确性。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构与核心设计理念
2.1 为什么需要自进化系统
电子书管理通常会经历三个阶段演变:
- 手工管理期:书籍数量少,手动拖拽分类即可
- 混乱堆积期:来源增多,出现"待整理"黑洞文件夹
- 放弃治疗期:因整理成本过高而放任自流
传统解决方案的局限性在于:
- 纯规则系统:维护成本高,难以覆盖长尾情况
- 纯AI系统:持续产生调用成本,存在分类盲区
2.2 闭环系统设计
系统采用"三层漏斗"处理策略:
- 第一层:规则匹配 - 使用现有关键词规则快速分类高频书籍
- 第二层:AI批量处理 - 对未匹配规则的书籍进行智能分类
- 第三层:规则学习 - 将AI分类结果提炼为新规则,持续优化系统
mermaid复制graph TD
A[待整理书籍] --> B{规则匹配}
B -->|匹配成功| C[直接分类]
B -->|匹配失败| D[AI分类]
D --> E{分类成功?}
E -->|是| F[移动并学习规则]
E -->|否| G[进入其他类]
G --> H[二次分类]
3. 关键技术实现细节
3.1 智能分类脚本实现
AI智能整理待分类书籍.py的核心优化点:
- **文件分组策
