一、找导出工具：知乎没有官方出口#

知乎至今没有给用户任何官方导出接口。收藏夹只是渲染出来给你看的页面数据，所以工具只能走两条路：

我用的这个项目把两条路都做了兜底 —— Export-Zhihu-Collections（JasonJarvan/Zhihu-Collections-MCP）。它后来干脆把整套能力包成了一个 MCP Server，这一点后面会用到。

它的关键设计：

1. 输出结构是给 Obsidian 看的

1
downloads/
2
├── 编程/                      ← 一个收藏夹一个目录
3
│   ├── xxx.md                 ← 一篇一个文件
4
│   └── assets/
5
│       ├── 20240101120000.jpg ← 图片本地化，不再依赖知乎 CDN
6
│       └── ...
7
├── logs/
8
└── debug/                     ← 解析失败的页面 HTML 存这里，方便复盘

图片必须本地化。这不是洁癖：知乎的图片 URL 带鉴权参数且会过期，你把 md 存到本地，半年后打开是一堆裂图，等于没存。

2. 私密收藏夹靠 Cookie

1
[
2
  {"name": "z_c0", "value": "你的值"}
3
]

存成 cookies.json 放项目根目录。这个文件等同于你的知乎登录态，别提交到公开仓库。

3. 403 自动降级

HTML 被拦了，自动改走 API；专栏文章走流式下载（几万字带图的长文一次性拉容易断），再加 3 次重试。

4. 去重

跑第二遍不会重复下载。它会检查目标文件是否已存在。

1
git clone https://github.com/JasonJarvan/Zhihu-Collections-MCP
2
cd Zhihu-Collections-MCP
3
pip install -r requirements.txt
4

5
# 先让脚本自动扫出你的所有收藏夹，写回 config.json
6
python fetch_collections.py
7

8
# 编辑 config.json：确认收藏夹列表 + 输出路径
9
python main.py

1
{ "outputPath": "D:\\Documents\\ZhihuExports" }
2
{ "outputPath": "D:/Documents/ZhihuExports" }

二、光有 Markdown 不够#

导出完成那一刻会有一种错觉：搞定了。

其实没有。你得到的是一千个孤立的文件，而不是知识。它们之间没有任何关系，你收藏过的”什么是 Raft 协议”和”Paxos 论文精读”之间可能存在很强的关联，但 Markdown 不会告诉你。

Obsidian 的图谱视图为什么让人上瘾，就是因为它把这些隐式关系画出来了。但它需要你先手动插链接 —— 一千篇手动插？不可能。

所以第二步是：让 AI 读一遍，生成关系。

我把这个导出工具以 MCP Server 的形式挂给了 Hermes：

1
{
2
  "mcpServers": {
3
    "zhihu-collections": {
4
      "command": "python",
5
      "args": ["mcp_server.py"],
6
      "cwd": "你的项目路径"
7
    }
8
  }
9
}

暴露出来四个工具：

这一步的意义在于：Agent 拿到的不再是”一堆待处理的文件”，而是”一个能按需调用的知识源”。它可以边读边决定下一批导出哪几个收藏夹。

导出完之后，让 Hermes 扫全量 Markdown，产出三样东西：

• 主题聚类 —— 把零散文章归到有限几个主题下
• 实体与关系 —— 抽概念、建 [[Obsidian 双链]]
• 一张入口笔记 —— 每个主题一个 hub 笔记，链到具体文章

产出的知识图谱长这样（结构示意）：

1
              ┌─────────────┐
2
              │ 分布式共识  │  ← hub 笔记
3
              └──────┬──────┘
4
       ┌─────────────┼─────────────┐
5
       ▼             ▼             ▼
6
  ┌────────┐   ┌──────────┐   ┌────────┐
7
  │ Raft   │◄─►│ Paxos    │◄─►│ 线性一致│
8
  └────┬───┘   └──────────┘   └────┬───┘
9
       │                            │
10
       ▼                            ▼
11
  ┌──────────┐              ┌────────────┐
12
  │ 领导选举  │─────────────►│ CAP 定理    │
13
  └──────────┘              └────────────┘

这里有个反直觉的点，值得单独说：

AI 生成的知识图谱质量，取决于它读到的是不是全文。

如果导出的是摘要或者列表页文本，图谱就是”标题聚类”，毫无价值。正是因为工具把正文完整落地了，Agent 才能读懂内容、发现文章之间真正的语义关联。

三、推上 GitHub：给知识加时间维度#

最后一步是很多人会跳过的，也是我认为最值钱的一步。

1
cd ZhihuExports
2
git init
3
git add .
4
git commit -m "sync: 2026-10-08 知乎收藏快照"
5
git push -u origin [email protected]:devycx/my-zhihu-library.git

GitHub 在这里承担三件事：

1. 版本化 = 知识快照的时间轴

每条 commit 是一次快照。你能精确回答”我什么时候读过 Raft 那篇论文""三个月前我到底收藏了什么”。知乎只会告诉你”你收藏了 800 条”，没有时间维度。

2. 可回滚

知乎文章被作者删了，但你本地有。导出工具某次改坏了格式，重新 clone 一下就回来了。

3. 二次加工的入口

知识图谱是可再生的，但原始 Markdown 不是。有了 GitHub 仓库，我随时可以换一个 Agent、换一套 schema 重新生成图谱，而不用重新抓一遍知乎 —— 知乎的反爬策略是会变的，下次可能就抓不动了。

1
my-zhihu-library/
2
├── exports/              # 原始导出，尽量不动
3
│   └── 2026-10-08/      # 按快照日期分目录
4
├── graph/                # AI 产出的知识图谱
5
│   ├── 分布式共识.md
6
│   └── index.md
7
├── README.md
8
└── .gitignore
9
    └── cookies.json      # 关键

四、这套流程其实可以复用#

抽象一下，这套东西跟”知乎”没有任何关系：

1
任意内容源  →  结构化落地  →  LLM 抽取关系  →  版本化仓库

• 内容源换成 Notion 导出、微信读书书签、YouTube 播放列表、Pocket
• 结构化落地换成任意导出脚本
• 后两步一模一样

真正决定产出质量的是第一步落下来的东西够不够完整。抓取的时候多花点心思，别让清洗的活儿留给后面的 AI。

小结#

• 知乎没有官方导出，工具必须自己解决 HTML / API 双通道 + Cookie + 图片本地化 + 断点续传 这四件事
• MCP Server 的意义是让 AI 按需调用知识源，而不是一次性喂一堆文件
• 图谱的价值来自全文，不是标题 —— 抓取质量决定图谱质量
• 推 GitHub 不只是备份，是给知识库装上时间轴，并保留重新加工的自由

收藏的价值不在于存，在于还能被再次找到。而”再次找到”这件事，本质上就是给散落的碎片补上关系。