架构思考与产品设计
超越非黑即白的粗暴拦截：WhyFirst 是如何理解你的真实意图的
本页目录
核心速览（TL;DR）
- 核心痛点： 现代知识工作严重依赖 YouTube、Reddit、X、GitHub 等平台查阅一手资料。传统网站黑名单“一刀切”的非黑即白判定，逼迫用户在“彻底拦截无法工作”与“彻底放开陷入沉迷”之间二选一，最终往往以卸载拦截器告终。
- 破局方案： WhyFirst 将审查重心从“域名”转向“真实意图”。由你定义每个站点的用途，AI 决策模型只负责核对当前访问理由是否契合你的个人设定，提供放行、拦截与温和澄清三种处理方式。
- 实测表现： 平均 0.3 秒极速判定，原生识别 8 国职场摸鱼俚语与口语，坚持 Local-first 本地优先架构，支持自定义 API Key 与 Ollama 完全离线运行，浏览历史永不离开设备。
引言：传统网站拦截器的困境
二十多年来，数字自律工具的做法往往很简单粗暴：直接拉黑网址。你设定一份包含社交网络、视频站点或讨论论坛的名单，只要在专注时段内试图打开它们，一道冰冷的软件屏障就会将你挡在门外，并附带说教式的提示或者故意拖长等待时间。
然而，任何在当今从事研发、设计、研究或创作的知识工作者都深有体会：这种一刀切的做法往往很难长久。现代工作并不会发生在一个与世隔绝的真空中。那些常被视作「容易分心」的网站，恰恰也是现代知识沉淀的核心载体：
- YouTube 固然有无休止的信息流与算法推荐，但它同时也汇聚了大量高校公开课、架构拆解视频与前沿技术大会分享；
- Reddit 与 X 固然容易让人闲逛，但它们也是全网最快的一手信息与行业动态来源，许多冷门硬件故障与最新 Bug 都是在这些平台上最先被爆出；
- 反过来看，那些看似「正统」的工作工具（如 GitHub、Linear、Notion），也绝非免受分心的安全区：在 Issue 里围观八卦、反复重排任务看板，同样是极具欺骗性的隐性拖延。
给整个网站预先贴上绝对的好坏标签（「GitHub 就是好网站，YouTube 就是坏网站」），并不符合现代真实的工作与学习场景。当工具逼迫你在「彻底拦截而无法查资料」与「彻底放开而陷入算法沉迷」之间二选一时，大家最终往往会选择直接把拦截器彻底关闭或卸载。
问题的根源从来不是访问了哪个网站，而是在你按下回车的那一瞬间，你的真实意图是什么。WhyFirst 想要做的，正是帮你把深藏在潜意识里的真实想法提取出来，让你及时看清自己下意识的无意识行为。
第一性原则：一次诚实的自问，而非一堵墙
当 WhyFirst 在目标站点前触发提醒时，它的第一层设计极其朴素：一次短暂的停顿，和一个安静的问题：“你现在打开这个网站，是想要做什么？”
把访问理由写下来的过程，本身就是一个按下暂停键的契机。它打断了我们在疲劳或无聊时不假思索新建标签页的习惯性冲动。许多时候，仅仅是将借口敲成文字的过程，就足以让人意识到「我现在其实并不需要看这个」，从而主动关掉标签页返回工作。
然而，仅仅依赖单方面的自我汇报，系统很快会遭遇人性的弱点。在感到疲惫或渴望休息时，人们往往会下意识地敷衍：随便敲个单字母、乱按一串键盘，或者输入毫无意义的套话以求快速通关。
这正是引入 AI 辅助判定的契机。但在这一步上，AI 应当扮演什么角色？如果它只是机械地匹配敏感词，依然没有摆脱传统拦截器的僵化；如果它变成居高临下的说教者，又会让人感到厌烦和被约束；而且如果 AI 响应的速度很慢，反复等待更会严重破坏使用体验。
我们的设计目标，是让它成为一面客观、温和且真正理解具体情境的镜子，而不是一位严厉的看守。
意图判定的三个思考步骤
在判断你的访问理由时，WhyFirst 并没有采用非对即错的粗暴逻辑，而是循序渐进地考虑三个实际问题。
Q1：识别敷衍与乱敲
判定的第一步很简单：辨别你写下的内容是一段真正表达意图的话，还是下意识的敷衍逃避。
- 敷衍与逃避输入： 键盘乱敲（如
"asdfghjkl"）、纯标点符号、无意义的填充文字，或者坦白承认就是想偷懒（如"无聊随便看看"、"划水摸鱼"）； - 有效输入： 包含明确目的、具备具体查阅内容或任务背景的真实陈述。
这一步的作用是及时踩刹车。如果输入的内容毫无实际意义，系统便不会把它当成正当的通行理由，温柔地把网页守住。
Q2：结合你为网站设定的用途
许多智能工具容易犯的错误，是用一套死板的通用规则去要求所有人。但实际上，每个人使用网站的目的截然不同。在 WhyFirst 中，你可以为每个网站自主设定属于你的使用规则。
你可以明确告诉 WhyFirst 某个网站对你而言意味着什么：
「YouTube 是我查阅技术教程和观看技术演讲的学习网站。」
当触发拦截时，系统不会孤立地对域名做死板评价，而是将你写下的理由置于你为该网站设定的规则中进行核对：
- 在 YouTube 填写「查找某个开发框架的实战教程」，符合你设定的学习用途，予以放行；
- 在同一个 YouTube 填写「看看最近有什么热门电影预告」，违背了你自我设定的学习约定，予以拦截；
- 相反，即使是在 GitHub，如果用户填写「逛逛别人主页看看有什么八卦」，系统同样能敏锐识别其背后的分心动机，不会因为是 GitHub 就盲目开绿灯。
这种规则核对机制，让 AI 变成了协助你坚守自我承诺的默契助手，而不是外部强加的审查者。
Q3：放行、提醒还是拦截？更灵活的三种处理方式
在真实的工作和生活中，大家的意图很少是非黑即白的。许多访问行为往往始于界限模糊的灰色地带：比如「看看最新行业动态」或「查点行业新闻」。
如果只有「直接放行」和「彻底拦截」两个极端，系统要么会误拦真正需要了解行业动态的探索者，要么会纵容模糊的游荡迅速退化为无意识的刷屏。WhyFirst 为此设计了三种处理方式：
- 放行： 理由明确、具体，且与你设定的用途契合（例如「查询 Docker macvlan 静态 IP 绑定配置」），立刻放行；
- 拦截： 理由明确表达了闲逛、怠工或敷衍（例如「不想干活，摸会儿鱼等开会」），坚决守住防线；
- 提醒（澄清）： 理由处于模糊边界，没有明确的行动目标。此时系统不会断然阻拦，而是温和地再问一句：你能否写出本次查阅具体要解决的一个问题或主题？
「提醒」机制在尊重你的探索自由的同时，给你提供了一次停下来想一想的机会，帮你把一时兴起的模糊念头，收拢为清晰具体的实际行动。
实际体验与能力验证：它真的好用、聪明、稳定吗？
一个优秀的设计不仅需要讲得通，更必须在日常各种真实场景下经受考验。我们在覆盖 8 大主流语言（中、英、日、韩、法、德、西、俄）的真实语境测试中，验证了系统的核心表现。
1. 能听懂各国「摸鱼黑话」与日常俚语
大家在想偷懒放松时，极少会一本正经地写书面语，而是经常使用职场俚语和口头俗语：
- 韩语 "월급루팡"（薪水小偷 / 上班划水）
- 日语 "サボり"（偷懒消极怠工）
- 法语 "glander"（闲逛发呆）
- 德语 "rumgammeln"（无所事事闲混）
- 西班牙语 "hacer el vago"（偷懒摸鱼）
- 俄语 "позалипать"（发呆刷屏）
- 中文 "划划水等下班"
在多语言测试中，判定模型无需维护脆弱繁琐的各地俚语词典，便能自然而准确地理解这些日常口语背后的分心动机，给出恰当的提醒。
2. 看真实意图，而不是死板看网址
它会不会死板地觉得某些网站就一定是娱乐，某些网站就一定是工作？我们做了一个故意对调的对照测试：
- 在娱乐网站查正经资料： 将严肃的学习与工作查资料理由置换到 X、TikTok 或视频网站上，实测全部准确放行；
- 在工作平台消遣摸鱼： 将典型的闲逛摸鱼理由置换到 GitHub、Linear、Slack 等工作平台上，实测全部准确拦截。
测试证明，系统真正做到认准你的「真实意图」，而不是死板地依赖网址的名声。
3. 结果秒出，完全不打断工作心流
使用过程中的任何停顿都不能成为拖慢效率的累赘。基于最新的 Jev 系列决策模型，在保证精准理解你的意图的前提下：
- 整个判定过程平均只需要约 0.3 秒（甚至不到三分之一秒）；
- 只有在你主动输入完毕并点击确认后，WhyFirst 才会发起判定。得益于这种敏捷的响应速度，结果几乎在点击瞬间就会呈现，完全不会让你面对转圈等待，也不会打断你的工作节奏。
4. 判断始终稳定一致，不会喜怒无常
许多人担心 AI 会像聊天机器人一样喜怒无常，同一句话今天问和明天问得到的答复大相径庭。WhyFirst 的判定机制经过了专门的一致性校准：面对相同的理由与情境，系统的判断始终保持高度稳定，绝不会出现这次放行、下次突然莫名拦截的飘忽不定。
隐私与安全：你的数据，完全由你掌控
在浏览器扩展中使用 AI 辅助，自然需要最严肃的隐私保障。WhyFirst 自诞生起就确立了本地优先（Local-first）的原则。
1. 只传输判断必需的极少内容
当发起 AI 意图判定时，发送的信息严格限定在极少内容：
- 你在输入框内填写的理由文字；
- 当前访问网站的主域名（例如
"youtube.com"）； - （可选）你为特定网站添加的背景信息，以及你期望如何健康地使用它们。
你正在访问的完整网页地址、页面正文、浏览历史、网页内容、Cookie 以及任何个人账号凭证，绝对不会离开你的浏览器。
2. 本地优先，未经许可绝不联网
扩展在发起任何网络请求前，都会在本地严格检查隐私策略。如果你在设置中关闭了相关权限，扩展便不会发起任何外部请求，直接在本地依靠基础规则运行，绝不私自上传数据。
3. 支持自选决策模型，甚至完全本地离线运行
对于追求完全自主与极致隐私的用户，WhyFirst 提供了充分的自由：
- 直连 Jev 官方决策模型： 直接接入官方精心调校的轻量意图评估模型，平均响应在 0.3 秒内完成；
- 自带 Key（BYOK）或完全本地运行： 你可以使用自己的 OpenAI 或 DeepSeek API Key，请求直接由你的浏览器发往模型提供商，完全不经过任何 WhyFirst 服务器。如果你是硬核隐私爱好者，更可以搭配本地运行的 Ollama 模型，全程不依赖任何外网连接，实现零数据出境、零额外 API 成本的完全离线判定。
结语：找回专注，从每一次诚实的停顿开始
管理好自己的注意力，并不意味着要在极端封锁与完全失控之间走钢丝。
通过用有温度、懂情境的意图确认，替代生硬冰冷的黑名单，WhyFirst 尝试在下意识的冲动与理性的自控之间架起一座桥梁。在这里，你始终拥有对自己工具、工作定义与个人数据的完全掌控。而系统所做的，只是在你开启屏幕的那个微小瞬间，帮你重新找回专注的初心。