聊聊我经常使用的免费 LLM 模型
▎ 分享我经常使用的 LLMs
🔗 永久链接 | GitHub | 语雀 | Newsletter
📝 写在前面
简悦的很多功能都接入了 AI，例如：阅读助手、全文翻译、划词翻译，甚至 专门用于导出简悦稍后读内容以用于 RAG 的插件。
接下来聊聊我经常使用的模型。
💻 SiliconFlow
1️⃣
首选模型，来自阿里的非推理型模型，具有小巧、简单、快速的特点。
2️⃣
推理模型，速度相对较慢，作为对
当我使用全文翻译的
3️⃣
来自智谱的 AI 模型，支持 128K 上下文，因此在处理超长文章时我会使用此模型。
例如在使用 RAG 方案时，由于输入给 LLM 的内容通常很大，这时就会考虑使用此模型。
🌐 OpenRouter
1️⃣
由于 SiliconFlow 不免费支持 DeepSeek v3-0324 版本，我改用 OpenRouter 提供的免费方案。
虽然主要对标
2️⃣ 其他备选
使用 OpenRouter 的优势是可以经常体验较新的 LLM 模型，如：
📗 Google Gemini 2.5 Pro Experimental
📘 Meta Llama 4
📙 NVIDIA Llama 3.3
🌋 火山引擎
1️⃣
来自字节跳动的大模型，支持 256K 上下文的对话模型，使用体验良好，特别是与简悦 MCP + ChatWise 搭配使用时效果最佳。
虽然是收费模型，但火山引擎提供了充足的免费额度，完全能满足日常使用需求。
🔗 关联
📖 阅读助手
🌐 全文翻译
🔤 划词翻译
🔎 延伸阅读
点击 #OpenAI 查看更多
#简悦2_2_0 #简悦工作流 #OpenAI
▎ 分享我经常使用的 LLMs
🔗 永久链接 | GitHub | 语雀 | Newsletter
📝 写在前面
简悦的很多功能都接入了 AI，例如：阅读助手、全文翻译、划词翻译，甚至 专门用于导出简悦稍后读内容以用于 RAG 的插件。
接下来聊聊我经常使用的模型。
💻 SiliconFlow
1️⃣
Qwen/Qwen2.5-7B-Instruct首选模型，来自阿里的非推理型模型，具有小巧、简单、快速的特点。
2️⃣
deepseek-ai/DeepSeek-R1-Distill-Qwen-7B推理模型，速度相对较慢，作为对
Qwen/Qwen2.5-7B-Instruct 的补充。当我使用全文翻译的
左右栏 + 一次性全文翻译 功能时就会选用此模型，它能将英文内容更符合中文语义地转换为中文。3️⃣
THUDM/glm-4-9b-chat来自智谱的 AI 模型，支持 128K 上下文，因此在处理超长文章时我会使用此模型。
例如在使用 RAG 方案时，由于输入给 LLM 的内容通常很大，这时就会考虑使用此模型。
🌐 OpenRouter
1️⃣
deepseek/deepseek-chat-v3-0324:free由于 SiliconFlow 不免费支持 DeepSeek v3-0324 版本，我改用 OpenRouter 提供的免费方案。
虽然主要对标
Qwen/Qwen2.5-7B-Instruct 但从我的使用体验来看，两者差异并不明显。2️⃣ 其他备选
使用 OpenRouter 的优势是可以经常体验较新的 LLM 模型，如：
📗 Google Gemini 2.5 Pro Experimental
📘 Meta Llama 4
📙 NVIDIA Llama 3.3
🌋 火山引擎
1️⃣
doubao-1-5-pro-256k-250115来自字节跳动的大模型，支持 256K 上下文的对话模型，使用体验良好，特别是与简悦 MCP + ChatWise 搭配使用时效果最佳。
虽然是收费模型，但火山引擎提供了充足的免费额度，完全能满足日常使用需求。
🔗 关联
📖 阅读助手
🌐 全文翻译
🔤 划词翻译
🔎 延伸阅读
点击 #OpenAI 查看更多
#简悦2_2_0 #简悦工作流 #OpenAI
👍10
简悦插件 · 阅读助手 4.0.2 版
▎ 内置最新 GPT 4.1 系列模型的阅读助手现已发布
💡 各版本说明
1.0.0 · 1.1.0 · 1.2.0 · 2.0.0 · 2.1.0 · 2.2.0 · 2.3.0 · 2.4.0 · 2.4.1 · 2.5.0 · 3.0.0 · 3.1.0 · 3.2.0 · 3.3.0 4.0.0 & 4.0.1
📥 下载地址
https://simpread.ksria.cn/plugins/details/Mv55R9uIOF
🤖 内置 GPT 4.1 模型系列
包括：
🚫 已移除部分被 GPT 淘汰的旧模型
包括：
当选择这些旧模型时，阅读助手会自动转换为对应的
💡 小提示
1️⃣ 如何使用任意 GPT 模型
如需使用
2️⃣ 如何使用 DeepSeek R1 模型
操作方式同上，只需将模型名称改为
📈 安装与升级
没有【使用同步助手 · 自动同步】的话，可通过 此链接 安装。
已经【使用同步助手 · 自动同步】的话，请使用 插件管理器 安装。
🔎 引申
聊聊我经常使用的免费 LLM 模型
点击 #OpenAI 查看更多内容
#简悦2_2_0 #简悦工作流 #简悦插件 #OpenAI
▎ 内置最新 GPT 4.1 系列模型的阅读助手现已发布
💡 各版本说明
1.0.0 · 1.1.0 · 1.2.0 · 2.0.0 · 2.1.0 · 2.2.0 · 2.3.0 · 2.4.0 · 2.4.1 · 2.5.0 · 3.0.0 · 3.1.0 · 3.2.0 · 3.3.0 4.0.0 & 4.0.1
📥 下载地址
https://simpread.ksria.cn/plugins/details/Mv55R9uIOF
🤖 内置 GPT 4.1 模型系列
包括：
gpt-4.1-mini gpt-4.1-nano 和 gpt-4.1🚫 已移除部分被 GPT 淘汰的旧模型
包括：
gpt-3.5-turbo gpt-4o-mini gpt-4o gpt-4 gpt-4-turbo 和 gpt-4-32k当选择这些旧模型时，阅读助手会自动转换为对应的
4.1 系列模型💡 小提示
1️⃣ 如何使用任意 GPT 模型
如需使用
GPT 4.5 模型，请选择【自定义模型】选项，然后输入 gpt-4.5-preview 即可。2️⃣ 如何使用 DeepSeek R1 模型
操作方式同上，只需将模型名称改为
deepseek-reasoner 即可。📈 安装与升级
没有【使用同步助手 · 自动同步】的话，可通过 此链接 安装。
已经【使用同步助手 · 自动同步】的话，请使用 插件管理器 安装。
🔎 引申
聊聊我经常使用的免费 LLM 模型
点击 #OpenAI 查看更多内容
#简悦2_2_0 #简悦工作流 #简悦插件 #OpenAI
❤2🔥2
简悦 MCP 助手
▎ 将简悦的稍后读功能接入 MCP 服务。
🔗 永久链接 | 教程 | 知乎 | 语雀 | Newsletter
✨ 能做什么
通过此工具可以将你的
📝 使用前提
1️⃣ 此项目基于 MCP 开发，安装 Node.js 运行环境后才能使用。
2️⃣ 由于需要访问您本地的
3️⃣ 需要配置同步助手的自动同步与本地快照功能，配置方法 请看此教程。
🏆 推荐客户端与 LLM 组合
在开发此工具期间，我们测试了多种支持 MCP 的客户端和大语言模型，目前效果最佳的组合为：ChatWise + Doubao 1.5 pro 256k（火山引擎）
📥 下载与配置
GitHub | 语雀
⚙️ 功能（工具）
📊 获取阅读简报
输入指令如
🏷 标签检索
输入指令如
当前标签检索采用模糊匹配方式，例如：aaa 会匹配
🔍 内容检索
输入指令如
⚡️ 环境变量配置
1️⃣
控制上述功能是否包含本地快照内容，默认不包含，启用后，检索结果将包含本地快照，可获得更精准的答案（但会相应增加 Tokens 消耗）。
👉 详细说明
2️⃣
自定义 LLM 的返回内容格式，默认会根据您的提问直接回答，同时系统也提供了默认回复模板。
👉 详细说明
🎁 彩蛋（预告）
五一期间宅家「玩简悦」，我会在小长假期间推送关于简悦的一些新插件与AI 联动的新玩法。
📚 引申
点击 #OpenAI 查看更多
#简悦2_2_0 #简悦工作流 #OpenAI
▎ 将简悦的稍后读功能接入 MCP 服务。
🔗 永久链接 | 教程 | 知乎 | 语雀 | Newsletter
✨ 能做什么
通过此工具可以将你的
simpread_config.json（以及本地快照）接入到任意大语言模型（LLMs），并内置了一些现成的工具方便您与稍后读内容进行交互。📝 使用前提
1️⃣ 此项目基于 MCP 开发，安装 Node.js 运行环境后才能使用。
2️⃣ 由于需要访问您本地的
simpread_config.json 文件，因此需要安装并配置同步助手功能，该功能为高级账户专属，如有需要 请升级。3️⃣ 需要配置同步助手的自动同步与本地快照功能，配置方法 请看此教程。
🏆 推荐客户端与 LLM 组合
在开发此工具期间，我们测试了多种支持 MCP 的客户端和大语言模型，目前效果最佳的组合为：ChatWise + Doubao 1.5 pro 256k（火山引擎）
📥 下载与配置
GitHub | 语雀
⚙️ 功能（工具）
📊 获取阅读简报
get_daily输入指令如
今日阅读回顾 ，支持的关键词包括： 今日 昨日 本周 上周🏷 标签检索
search_tag输入指令如
请检索标签 AI战争 的内容 ，系统将生成相应简报。 当前标签检索采用模糊匹配方式，例如：aaa 会匹配
aaa aaa/bbb 等包含 aaa 关键字的标签。🔍 内容检索
search_content输入指令如
请检索包含 英伟达 的内容 ，系统将生成简报，检索范围包括： 标题 描述 标签 标注的备注 标注的文本内容 标注的标签⚡️ 环境变量配置
1️⃣
SEARCH_SNAPSHOT控制上述功能是否包含本地快照内容，默认不包含，启用后，检索结果将包含本地快照，可获得更精准的答案（但会相应增加 Tokens 消耗）。
👉 详细说明
2️⃣
PROMPT自定义 LLM 的返回内容格式，默认会根据您的提问直接回答，同时系统也提供了默认回复模板。
👉 详细说明
🎁 彩蛋（预告）
五一期间宅家「玩简悦」，我会在小长假期间推送关于简悦的一些新插件与AI 联动的新玩法。
📚 引申
点击 #OpenAI 查看更多
#简悦2_2_0 #简悦工作流 #OpenAI
🔥4👍1
利用「稍后读 · 极速版 2.0」新特性让 AI 浏览器秒变为你的个人专属 AI 本地 LLM 知识库
▎ 稍后读极速版 2.0 + Tabbit = 个人专属 LLM 知识库
🔗 永久链接 | GitHub | 知乎 | 语雀 | Newsletter
📚 阅读 + AI 的最佳范式
我对「AI + 阅读」的期待，并不是单篇总结，而是跨内容的聚合能力——比如：今天读了什么、最近读了什么，或围绕某个主题，对多篇内容统一总结。
但这些内容通常分散在不同页面（由简悦生成的本地快照），仅支持「单页总结」的 AI 工具显然不够用。
上述流程大部分都是通过 RAG 方案实现：本地快照生成的 Markdown → 投喂 AI → 生成 RAG → LLM 输出结果。
但这种方式还是太「重」了，直到 AI 浏览器出现（如 Dia 等），我才意识到：通过标签组直接聚合上下文并生成总结（简报），反而更轻量自然。
经过一段时间的使用，在众多 AI 浏览器里面，Tabbit 脱颖而出。
💡 为什么是 Tabbit
🗂 Tabbit 的标签组效果最好（几乎可以说没有之一）
🤖 国际版内置御三家的 LLM（目前暂时没有任何费用）
🎉 无论是国内版，还是国际版，都可以正常安装简悦。
✨ 一组用于多内容分析的简报类 Skills
为了更好的利用 Tabbit 的特性，我发布了四个 Skill，每个 Skill 都可以生成关系图（支持 ASCII / Mermaid 方案）、以表格呈现，输出的每条内容都可以溯源（引用到简悦的本地快照） 👉 截图
1️⃣ 阅读回顾（按照时间 / 多主题整理的简报）
分享链接 | Prompt | 截图
2️⃣ 主题切面（以详细分析当前主题为主的简报）
分享链接 | Prompt | 截图
3️⃣ 主题时间轴（以时间轴为基准的简报）
分享链接 | Prompt | 截图
4️⃣ 主题提取（适合存在多个主题时，手动输入你希望生成简报的主题）
分享链接 | Prompt | 截图
#简悦2_2_0 #同步助手 #简悦工作流 #简悦自动化 #OpenAI
▎ 稍后读极速版 2.0 + Tabbit = 个人专属 LLM 知识库
🔗 永久链接 | GitHub | 知乎 | 语雀 | Newsletter
📚 阅读 + AI 的最佳范式
我对「AI + 阅读」的期待，并不是单篇总结，而是跨内容的聚合能力——比如：今天读了什么、最近读了什么，或围绕某个主题，对多篇内容统一总结。
但这些内容通常分散在不同页面（由简悦生成的本地快照），仅支持「单页总结」的 AI 工具显然不够用。
上述流程大部分都是通过 RAG 方案实现：本地快照生成的 Markdown → 投喂 AI → 生成 RAG → LLM 输出结果。
但这种方式还是太「重」了，直到 AI 浏览器出现（如 Dia 等），我才意识到：通过标签组直接聚合上下文并生成总结（简报），反而更轻量自然。
经过一段时间的使用，在众多 AI 浏览器里面，Tabbit 脱颖而出。
💡 为什么是 Tabbit
🗂 Tabbit 的标签组效果最好（几乎可以说没有之一）
🤖 国际版内置御三家的 LLM（目前暂时没有任何费用）
🎉 无论是国内版，还是国际版，都可以正常安装简悦。
✨ 一组用于多内容分析的简报类 Skills
为了更好的利用 Tabbit 的特性，我发布了四个 Skill，每个 Skill 都可以生成关系图（支持 ASCII / Mermaid 方案）、以表格呈现，输出的每条内容都可以溯源（引用到简悦的本地快照） 👉 截图
1️⃣ 阅读回顾（按照时间 / 多主题整理的简报）
分享链接 | Prompt | 截图
2️⃣ 主题切面（以详细分析当前主题为主的简报）
分享链接 | Prompt | 截图
3️⃣ 主题时间轴（以时间轴为基准的简报）
分享链接 | Prompt | 截图
4️⃣ 主题提取（适合存在多个主题时，手动输入你希望生成简报的主题）
分享链接 | Prompt | 截图
#简悦2_2_0 #同步助手 #简悦工作流 #简悦自动化 #OpenAI
🔥5👍3
同步助手 1.5.1 版：支持 Andrej Karpathy LLM Wiki 方案
▎ 从 “稍后读” 到 “终身维基” ：专为重度阅读者打造的个人知识内化方案
🔗 永久链接 | 更新日志 | 知乎专栏 | Newsletter
🖥 下载地址
Onedrive@世纪互联 | 夸克网盘 | 百度网盘 | Box.net | 更多版本
🔎 什么是 Andrej Karpathy LLM Wiki 方案
一种将个人知识重构成 AI 高效索引与理解的 “结构化 Markdown 外部记忆” 方案 👉 项目地址
📝 为什么简悦要支持此方案
它比 RAG 方案 更简洁，比 AI 浏览器方案 更强大，这套框架的 👉 具体使用方案
💡 1.5.1 版功能
同步助手（主窗体） → 导出 → Karpathy LLM Wiki（LLM RAG）方案，三个设置项：
📕 导出位置（配合 Karpathy LLM Wiki 理念的话，一般是在 raw/ 目录，如不设置此目录会自动导出到本地快照的目录
📗 最大行数（LLM 在读取文本文件时，因为上下文的限制，所以需要设置一个最大行数，这样方便 LLM）
📘 导出时可选
▎ 本次推送是针对 同步助手 1.5.1 版的功能，关于【Andrej Karpathy LLM Wiki 方案】我会再推送一篇
🖥 推荐使用环境
Trae + MiniMax-M2.7（其实更推荐 Codex )
📚 简悦 Andrej Karpathy LLM Wiki 使用方法
为方便快速上手，内置了一些 Demo 数据（来自通过简悦生成的 276 篇文章，分为 47 个文件）
0️⃣ 需配置 本地知识库
1️⃣ 打开 simpread-karpathy-llm-wiki-compiler 并下载
2️⃣ 执行
3️⃣ 提问
#简悦2_2_0 #同步助手 #简悦工作流 #OpenAI
▎ 从 “稍后读” 到 “终身维基” ：专为重度阅读者打造的个人知识内化方案
🔗 永久链接 | 更新日志 | 知乎专栏 | Newsletter
🖥 下载地址
Onedrive@世纪互联 | 夸克网盘 | 百度网盘 | Box.net | 更多版本
🔎 什么是 Andrej Karpathy LLM Wiki 方案
一种将个人知识重构成 AI 高效索引与理解的 “结构化 Markdown 外部记忆” 方案 👉 项目地址
📝 为什么简悦要支持此方案
它比 RAG 方案 更简洁，比 AI 浏览器方案 更强大，这套框架的 👉 具体使用方案
💡 1.5.1 版功能
同步助手（主窗体） → 导出 → Karpathy LLM Wiki（LLM RAG）方案，三个设置项：
📕 导出位置（配合 Karpathy LLM Wiki 理念的话，一般是在 raw/ 目录，如不设置此目录会自动导出到本地快照的目录
output/ ）📗 最大行数（LLM 在读取文本文件时，因为上下文的限制，所以需要设置一个最大行数，这样方便 LLM）
📘 导出时可选
全文 或 标注▎ 本次推送是针对 同步助手 1.5.1 版的功能，关于【Andrej Karpathy LLM Wiki 方案】我会再推送一篇
🖥 推荐使用环境
Trae + MiniMax-M2.7（其实更推荐 Codex )
📚 简悦 Andrej Karpathy LLM Wiki 使用方法
为方便快速上手，内置了一些 Demo 数据（来自通过简悦生成的 276 篇文章，分为 47 个文件）
0️⃣ 需配置 本地知识库
1️⃣ 打开 simpread-karpathy-llm-wiki-compiler 并下载
2️⃣ 执行
startup.md 完成全部初始化设置3️⃣ 提问
/ask 请以 OpenAI 为关键字，生成一份以时间线为主的简报，并按照 /report 的格式给出答案。#简悦2_2_0 #同步助手 #简悦工作流 #OpenAI
❤2🤩2
简悦 Andrej Karpathy LLM Wiki 方案
▎ 从 “稍后读” 到 “终身维基” ：专为重度阅读者打造的个人知识内化方案
🔗 永久链接 | GitHub | 知乎专栏 | 语雀 | Newsletter
✍️ 写在前面
作为 简悦（SimpRead） 的创建者，我设计了这个框架，旨在弥合 “稍后阅读（Read-it-Later）” 与 “永远不读（Read-it-Never）” 之间的鸿沟。
本项目是基于 Andrej Karpathy 提倡的 LLM Wiki 概念构建的【个人知识库自动化知识构建方案】。
它不仅是一套工具链，更是一种将 “被动囤积” 转化为 “主动内化” 的个人知识库自动化构建协议。
比 RAG 方案 更简洁，比 AI 浏览器方案 更强大。
✨ 特点与优势
1️⃣ 无须配置：支持开箱即用
2️⃣ 增量更新：仅处理新增或修改的文件，节省 Token 并提高效率
3️⃣ 海量处理：支持 1000 行以上的大文件以及多主题并发处理
4️⃣ 高度扩展：支持自定义技能库
5️⃣ 协议与数据解耦：全部数据为文本数据，方便迁移
6️⃣ 简报模式：专门用于大量数据提取主题并生成简报，可直接生成 ASCII / Mermaid / 表格 / 关系图等结构
🤖 使用工具建议
Trae + MiniMax-M2.7 / Codx + GPT-5.4
📦 开箱即用
1️⃣ 打开 simpread-karpathy-llm-wiki-compiler 并下载
2️⃣ 执行
💡 提问
输入
输入
🧰 后续维护
1️⃣ 添加新主题：输入
2️⃣ 更新旧主题：输入
🛠 技能库 (Skills)
可方便扩展/修改的一套基于 Andrej Karpathy LLM Wiki 的优化版。
GitHub | 语雀
🖼 使用截图
GitHub | 语雀
#简悦2_2_0 #同步助手 #简悦工作流 #OpenAI
▎ 从 “稍后读” 到 “终身维基” ：专为重度阅读者打造的个人知识内化方案
🔗 永久链接 | GitHub | 知乎专栏 | 语雀 | Newsletter
✍️ 写在前面
作为 简悦（SimpRead） 的创建者，我设计了这个框架，旨在弥合 “稍后阅读（Read-it-Later）” 与 “永远不读（Read-it-Never）” 之间的鸿沟。
本项目是基于 Andrej Karpathy 提倡的 LLM Wiki 概念构建的【个人知识库自动化知识构建方案】。
它不仅是一套工具链，更是一种将 “被动囤积” 转化为 “主动内化” 的个人知识库自动化构建协议。
比 RAG 方案 更简洁，比 AI 浏览器方案 更强大。
✨ 特点与优势
1️⃣ 无须配置：支持开箱即用
2️⃣ 增量更新：仅处理新增或修改的文件，节省 Token 并提高效率
3️⃣ 海量处理：支持 1000 行以上的大文件以及多主题并发处理
4️⃣ 高度扩展：支持自定义技能库
skills/ ，轻松实现功能插件化5️⃣ 协议与数据解耦：全部数据为文本数据，方便迁移
6️⃣ 简报模式：专门用于大量数据提取主题并生成简报，可直接生成 ASCII / Mermaid / 表格 / 关系图等结构
🤖 使用工具建议
Trae + MiniMax-M2.7 / Codx + GPT-5.4
📦 开箱即用
1️⃣ 打开 simpread-karpathy-llm-wiki-compiler 并下载
2️⃣ 执行
startup.md 即可完成全部初始化设置。💡 提问
输入
/ask [提问内容] 即可开始提问。输入
/report [主题] 即可开始生成对应主题的简报。🧰 后续维护
1️⃣ 添加新主题：输入
/gen add.md2️⃣ 更新旧主题：输入
/gen update.md🛠 技能库 (Skills)
可方便扩展/修改的一套基于 Andrej Karpathy LLM Wiki 的优化版。
GitHub | 语雀
🖼 使用截图
GitHub | 语雀
#简悦2_2_0 #同步助手 #简悦工作流 #OpenAI
👍9❤5
同步助手 1.5.2 版：增量编译方案
▎ AI 只读变化的部分，Token 消耗直降 10 倍
🔗 永久链接 | 更新日志 | 知乎专栏 | Newsletter
🖥 下载地址
Onedrive@世纪互联 | 夸克网盘 | 百度网盘 | Box.net | 更多版本
💡 1.5.2 版功能
新增
📖 解决了什么问题
Wiki 方案的工作原理是将
在 1.0 版本中，AI 必须逐个读取
🔧 特点
1️⃣ Token 消耗降低 5-10 倍：AI 无需逐个读取全部 raw 文件，只需读取几行映射表即可完成变更检测，从约 50000 tokens 降至约 5000 tokens。
2️⃣ 精准增量感知：新增了文件？快照 ID 数量变了？映射表一比对就知道，AI 只需读取变化的文件，其余跳过。
3️⃣ Sources 账本自动对齐：Wiki 页面底部的
4️⃣ 简悦用户的专属优化：index_map.txt 中的快照 ID 与简悦本地快照（`http://localhost:7026/reading/{id}`）一一对应，实现从 Wiki 结论到原始阅读环境的秒级跳转。
🧠 一句话总结
index_map.txt 让 Wiki 方案从 "每次全量扫描" 变为 "只读变化部分"，是 2.0 版本降低 Token 消耗的核心机制。
🔌 如何使用
同步助手导出时自动生成，无需手动配置，确保版本为 1.5.2 即可。
🔎 关联阅读
https://t.me/simpread/652
#简悦2_2_0 #同步助手 #OpenAI
▎ AI 只读变化的部分，Token 消耗直降 10 倍
🔗 永久链接 | 更新日志 | 知乎专栏 | Newsletter
🖥 下载地址
Onedrive@世纪互联 | 夸克网盘 | 百度网盘 | Box.net | 更多版本
💡 1.5.2 版功能
新增
index_map.txt 映射文件，用于提升简悦 Andrej Karpathy LLM Wiki 方案的编译效率。📖 解决了什么问题
Wiki 方案的工作原理是将
raw/ 文件夹下的原始素材编译为结构化维基。每次编译时，AI 需要知道：哪些文件是新增的？哪些快照发生了变化？哪些需要重新处理？在 1.0 版本中，AI 必须逐个读取
raw/ 下的全部文件才能回答这些问题。假设一个主题有 10 个文件，每个 1000 行，每次编译就要读取约 10000 行文本，消耗约 50000 tokens。index_map.txt 的出现让这一切变得不同。🔧 特点
1️⃣ Token 消耗降低 5-10 倍：AI 无需逐个读取全部 raw 文件，只需读取几行映射表即可完成变更检测，从约 50000 tokens 降至约 5000 tokens。
2️⃣ 精准增量感知：新增了文件？快照 ID 数量变了？映射表一比对就知道，AI 只需读取变化的文件，其余跳过。
3️⃣ Sources 账本自动对齐：Wiki 页面底部的
## Sources（映射表） 可直接从 index_map.txt 生成，无需从正文中逐行提取快照链接。4️⃣ 简悦用户的专属优化：index_map.txt 中的快照 ID 与简悦本地快照（`http://localhost:7026/reading/{id}`）一一对应，实现从 Wiki 结论到原始阅读环境的秒级跳转。
🧠 一句话总结
index_map.txt 让 Wiki 方案从 "每次全量扫描" 变为 "只读变化部分"，是 2.0 版本降低 Token 消耗的核心机制。
🔌 如何使用
同步助手导出时自动生成，无需手动配置，确保版本为 1.5.2 即可。
🔎 关联阅读
https://t.me/simpread/652
#简悦2_2_0 #同步助手 #OpenAI
🤩2❤1
简悦 Andrej Karpathy LLM Wiki 方案 2.0
▎ 从 1.0 到 2.0 ：更低的消耗，更强的能力
🔗 永久链接 | GitHub | 知乎 | 语雀 | Newsletter
💡 前情提要
https://t.me/simpread/652
✍️ 升级说明
2.0 版本是一次面向效率与扩展性的重大升级。核心目标只有一个：让这套 Wiki 方案在处理数千篇文章时更省 Token、更易维护、更易检索。
🪄 核心升级：Token 消耗降低 5~10 倍
通过引入
实际场景：10 个 raw 文件 × 1000 行的 raw/主题，1.0 需读取约 50000 tokens，2.0 仅读取变化的 1 个文件，约 5000 tokens，节省约 10 倍。
🔎 MCP 支持
直接查询简悦本地快照库，实现实时、精准的内容检索，与 Wiki 方案形成互补：Wiki 负责深度知识整理，MCP 负责广度与实时性。
📅 按日期获取，支持类型：今天、昨天、每日、本周、最近 7 天、最近 30 天，例子：
🔍 全文搜索，例子：
🏷 标签筛选，例子：
💡 与 Wiki 命令结合，例子：
更多高级命令 👉 GitHub | 语雀
📦 如何升级
1️⃣ 更新代码到最新版本
2️⃣ 同步助手 1.5.2+ 版
3️⃣ 确保 raw 文件夹包含 index_map.txt（需要使用同步助手重新导出）
4️⃣ 执行
5️⃣ 执行
#简悦2_2_0 #同步助手 #简悦工作流 #OpenAI
▎ 从 1.0 到 2.0 ：更低的消耗，更强的能力
🔗 永久链接 | GitHub | 知乎 | 语雀 | Newsletter
💡 前情提要
https://t.me/simpread/652
✍️ 升级说明
2.0 版本是一次面向效率与扩展性的重大升级。核心目标只有一个：让这套 Wiki 方案在处理数千篇文章时更省 Token、更易维护、更易检索。
🪄 核心升级：Token 消耗降低 5~10 倍
通过引入
index_map.txt 映射表机制，实现增量感知，大幅减少不必要的文件读取，2.0 仅读取 index_map.txt（几行），提升约 50 倍实际场景：10 个 raw 文件 × 1000 行的 raw/主题，1.0 需读取约 50000 tokens，2.0 仅读取变化的 1 个文件，约 5000 tokens，节省约 10 倍。
🔎 MCP 支持
直接查询简悦本地快照库，实现实时、精准的内容检索，与 Wiki 方案形成互补：Wiki 负责深度知识整理，MCP 负责广度与实时性。
📅 按日期获取，支持类型：今天、昨天、每日、本周、最近 7 天、最近 30 天，例子：
今日阅读回顾🔍 全文搜索，例子：
查询关键词 OpenAI 在此结果检索 马斯克 内容，并生成简报🏷 标签筛选，例子：
获取标签为 AI 的文章，并生成简报💡 与 Wiki 命令结合，例子：
今日阅读回顾 ~r （MCP 获取今日文章 + 将本地快照链接转换为原文链接，适合手机端）更多高级命令 👉 GitHub | 语雀
📦 如何升级
1️⃣ 更新代码到最新版本
2️⃣ 同步助手 1.5.2+ 版
3️⃣ 确保 raw 文件夹包含 index_map.txt（需要使用同步助手重新导出）
4️⃣ 执行
/refresh 重新加载协议5️⃣ 执行
/gen fix.md 批量修复 Sources 映射表#简悦2_2_0 #同步助手 #简悦工作流 #OpenAI
👍4
简悦 MCP 助手 2.0
▎ 内置 Skills 的 2.0 版本现已发布
🔗 永久链接 | GitHub | 知乎专栏 | 语雀 | Newsletter
💡 前情提要
https://t.me/simpread/625
✍️ 2.0 版
内置 Skills 可以让查询语义更加自然化，2.0 版重构了整个流程，让 AI 完美支持 1000+ 检索结果。
🎯 核心能力
📅 按日期获取：支持今天 / 昨天 / 每日 / 本周 / 最近 7 天 / 最近 30 天
🔍 全文搜索：按任意关键词搜索简悦内容的标题和正文
🏷 标签筛选：按简悦标签筛选内容
💬 更强大的自然语言交互
你不需要学习复杂的命令，用自然语言即可：
输入
输入
输入
🔗 与 简悦 Andrej Karpathy LLM Wiki 方案 无缝协作
📚 简悦 LLM Wiki 负责深度知识整理，生成结构化 Wiki 页面
🔎 简悦 MCP 负责实时检索稍后读
两者结合，Wiki 提供深度和结构，MCP 提供广度和实时性。
🪄 用法
→ MCP 搜索 OpenAI 相关内容，然后继续在结果中检索 Anthropic 并调用 Wiki 方案生成专门用于简报的结构
→ 调用 Wiki 方案的简报格式，并使用 Mermaid 可视化简报
📦 安装前提
1️⃣ 安装 Node.js 环境
2️⃣ 配置 简悦同步助手（高级账户功能），开启自动同步与本地快照
3️⃣ 支持 Claude、Codex 等任意支持 MCP 和 Skills 的工具。
详细步骤 👉 GitHub
📚 延伸阅读
点击 #OpenAI 查看更多
#简悦MCP #同步助手 #简悦工作流 #OpenAI
▎ 内置 Skills 的 2.0 版本现已发布
🔗 永久链接 | GitHub | 知乎专栏 | 语雀 | Newsletter
💡 前情提要
https://t.me/simpread/625
✍️ 2.0 版
内置 Skills 可以让查询语义更加自然化，2.0 版重构了整个流程，让 AI 完美支持 1000+ 检索结果。
🎯 核心能力
📅 按日期获取：支持今天 / 昨天 / 每日 / 本周 / 最近 7 天 / 最近 30 天
🔍 全文搜索：按任意关键词搜索简悦内容的标题和正文
🏷 标签筛选：按简悦标签筛选内容
💬 更强大的自然语言交互
你不需要学习复杂的命令，用自然语言即可：
输入
今日阅读回顾 → 自动生成今天的阅读简报输入
查询关键词 OpenAI 在此结果检索 马斯克 内容，并生成简报 → 全文搜索 + 结果内二次检索 + 简报输出输入
获取标签为 AI 的文章，并生成简报 → 按标签筛选并生成简报🔗 与 简悦 Andrej Karpathy LLM Wiki 方案 无缝协作
📚 简悦 LLM Wiki 负责深度知识整理，生成结构化 Wiki 页面
🔎 简悦 MCP 负责实时检索稍后读
两者结合，Wiki 提供深度和结构，MCP 提供广度和实时性。
🪄 用法
请查询关键词 OpenAI 在此结果中查询与 Anthropic 的相关内容，并生成简报→ MCP 搜索 OpenAI 相关内容，然后继续在结果中检索 Anthropic 并调用 Wiki 方案生成专门用于简报的结构
/report 星巴克 -m ~r→ 调用 Wiki 方案的简报格式，并使用 Mermaid 可视化简报
~r 将本地快照链接转换为原文链接，手机端也能正常使用📦 安装前提
1️⃣ 安装 Node.js 环境
2️⃣ 配置 简悦同步助手（高级账户功能），开启自动同步与本地快照
3️⃣ 支持 Claude、Codex 等任意支持 MCP 和 Skills 的工具。
详细步骤 👉 GitHub
📚 延伸阅读
点击 #OpenAI 查看更多
#简悦MCP #同步助手 #简悦工作流 #OpenAI
❤2
简悦 Andrej Karpathy LLM Wiki 方案 3.0
▎ 从 2.0 到 3.0 ：更智能的知识图谱，更专业的排版输出
🔗 永久链接 | GitHub | 知乎 | 语雀 | Newsletter
💡 前情提要
https://t.me/simpread/654
✍️ 升级说明
3.0 版本是一次面向知识可视化与输出质量的重大升级。核心目标只有一个：让这套 Wiki 方案不仅能整理知识，更能以专业的方式呈现知识。
🪄 GraphLens：知识图谱
Wiki 页面自动生成 Mermaid 知识图谱，直观展示实体关系网络。每个图谱实体都关联本地快照，点击即可溯源到原文。支持多图谱模式，复杂主题可生成多个子图谱（如"塞北民族体系"、"西域民族体系"）。
置于头部摘要之后，作为 Wiki 可视化入口，一眼看清知识结构。
📖 详细介绍： graph/README
🎨 排版系统：专业级输出
内置两套排版方案，将 Markdown Wiki 转化为精美 HTML：
例子：
📖 详细介绍： template/README | render/README
🔧 index_map.txt 生成工具
独立的映射表生成工具，无需依赖同步助手即可创建
配合 2.0 引入的增量感知机制，进一步降低迁移成本。
📖 详细介绍： indexes/README
📦 如何升级
1️⃣ 更新代码到最新版本
2️⃣ 执行
3️⃣ 执行
4️⃣ 执行
#简悦2_2_0 #简悦工作流 #OpenAI
▎ 从 2.0 到 3.0 ：更智能的知识图谱，更专业的排版输出
🔗 永久链接 | GitHub | 知乎 | 语雀 | Newsletter
💡 前情提要
https://t.me/simpread/654
✍️ 升级说明
3.0 版本是一次面向知识可视化与输出质量的重大升级。核心目标只有一个：让这套 Wiki 方案不仅能整理知识，更能以专业的方式呈现知识。
🪄 GraphLens：知识图谱
Wiki 页面自动生成 Mermaid 知识图谱，直观展示实体关系网络。每个图谱实体都关联本地快照，点击即可溯源到原文。支持多图谱模式，复杂主题可生成多个子图谱（如"塞北民族体系"、"西域民族体系"）。
置于头部摘要之后，作为 Wiki 可视化入口，一眼看清知识结构。
📖 详细介绍： graph/README
🎨 排版系统：专业级输出
内置两套排版方案，将 Markdown Wiki 转化为精美 HTML：
--kami 专业长文档模板，暖羊皮纸色调，支持中文思源宋体，适合白皮书、报告、简历、落地页--lite 零依赖轻量方案，支持暗色模式、自动 TOC、Mermaid 渲染，适合快速分享例子：
/render 星巴克 --lite 或 /report OpenAI --kami 并配套本地预览工具，一键查看渲染效果📖 详细介绍： template/README | render/README
🔧 index_map.txt 生成工具
独立的映射表生成工具，无需依赖同步助手即可创建
index_map.txt`。扫描 `raw/{主题}/ 目录，自动提取本地快照 ID 和原文 URL，生成标准格式映射表。配合 2.0 引入的增量感知机制，进一步降低迁移成本。
📖 详细介绍： indexes/README
📦 如何升级
1️⃣ 更新代码到最新版本
2️⃣ 执行
/refresh 重新加载协议3️⃣ 执行
/gen fix.md 批量修复 Sources 映射表与知识图谱4️⃣ 执行
/render {主题} --lite 体验排版系统#简悦2_2_0 #简悦工作流 #OpenAI
❤4🤩2