知识管理的渐进式沉淀
文档 · 已提取文本
待审核
Local-first Obsidian plugin
让零散资料，长成知识。
收集链接、文字、图片、PDF、Markdown 和 GitHub 仓库。先在 Raw 中完整保留与审核，再由你决定什么值得进入 Wiki。
待审核
3 张 Raw 卡片
Local-first software
链接 · 来源完整
推荐
项目复盘与下一步
Markdown · 本地附件
已选择
本地优先
审核后沉淀
桌面与移动端
无客户端遥测
三步，而不是另一个收件箱。
SelfGrow 把收集与知识分开：原始证据先完整留下，判断权始终在你手中，Wiki 只接收真正值得长期保留的内容。
收集
把链接、文字、图片和本地文档送进统一队列，不必先决定分类。
审核
查看来源、附件、摘要与推荐分数，选择、分类，或直接删除。
沉淀
先审阅 Wiki 方案；只有明确批准后，内容才会被写入并建立关系。
01 / 收集
把任何资料放进同一个入口。
标题、分类、链接、笔记和附件都在同一张表单里。SelfGrow 会提示处理路线，但不会替你隐藏原始内容。
SelfGrow
收集
筛选
收集内容
添加链接、文字、图片或本地文档。
标题
Local-first 软件设计
分类
Project ⌄
链接
https://www.inkandswitch.com/local-first/
我的笔记
重点关注离线可用、数据所有权，以及不同设备之间如何同步。
02 / 筛选
看完证据，再决定是否保留。
按文件夹与状态筛选。每张 Raw 卡片展示两行摘要、来源、时间、推荐度和当前状态，主操作始终只有一个。
SelfGrow
收集
筛选
筛选 Raw
先阅读，再选择值得长期沉淀的内容。
Raw 文件夹 全部文件夹 ⌄
未选择 4
待沉淀 2
更新 1
已沉淀 8
Local-first 软件设计的七条原则
推荐度 92 · 很高Local-first 软件把本地设备上的副本视为主要数据源，让用户在离线状态下仍然可以完整工作……
项目文档的信息架构
推荐度 81 · 高将入口文档、使用指南与实现细节分层，降低新用户第一次理解项目的成本……
03 / 沉淀
先看方案，批准后才写入。
Agent 先只读发现待沉淀卡片，结合 Raw 原文、图片、你的笔记和现有 Wiki 生成方案。你明确批准之前，不会修改 Vault。
沉淀方案
已完成只读发现。我读取了 2 张 Raw 卡片、相关附件、“我的笔记”和 3 个现有 Wiki
页面。
- 新建Local-first 知识系统.md
- 更新个人知识管理.md：补充数据所有权原则
- 关系连接“渐进式沉淀”与“离线优先”
- 保留Raw 原文和附件不改写、不删除
批准写入
不同来源，同一条知识路径。
从网页到本地文件，SelfGrow 尽量保留原貌，再提供可选的 AI 辅助理解。
URL · TEXT · IMAGE
随手收集
保存网页、分享文本、图片和直接笔记，在移动端与桌面端保持一致。
PDF · MD · MARKDOWN
本地文档
读取 PDF 文本层和 Markdown 内容；未经授权，不会把文档正文发送给 AI。
GITHUB / OWNER / REPO
仓库理解
识别 GitHub 项目，保留 README 的结构、链接、图片、表格与代码块。
YOUR MODEL · YOUR KEY
可选 AI
连接 OpenAI、DeepSeek、Qwen、Kimi 或兼容接口；没有 API Key 也能完成本地收集。
Privacy by default
你的 Vault，仍然只属于你。
SelfGrow 没有自己的账号、服务器或客户端遥测。卡片、Wiki、附件、偏好和设置都保存在当前 Vault。
- 网络请求只在你主动使用相应功能时发生。
- API Key 通过 Obsidian SecretStorage 引用。
- 不会发送浏览器 Cookie、平台密码、Vault 路径或无关笔记。
- AI 文档总结和可选提取服务均有明确授权边界。
Open source · MIT
从下一条值得保留的资料开始。
社区目录审核期间，可从 GitHub Release 手动安装。下载三个文件并放入 Vault 的插件目录即可。