PIL

你收藏的 Instagram 帖子——由 AI 深度解读，永久可搜索，并保存在你自己的设备上。

开始使用 · 工作原理 · 其他 AI 工具 · 包含内容

mcp-name: io.github.pjpoulose/pil

3 步获取 PIL

1. 将以下内容复制粘贴到 Muse：

    将 https://github.com/pjpoulose/PIL 克隆到你的工作区，并按照
    SKILL.md 设置我的 Personal Instagram Library。按步骤完成：安装、
    根据我收藏的帖子构建知识库，并把可安装的应用交给我。

2. 按提示关联你的 Instagram（在浏览器中轻点一次即可）。

3. 下载它发给你的应用文件 → 解压 → 双击 Start PIL → 点击 Install。

就这么简单。你的 Muse 会完成设置、阅读和构建。 想在手机上也使用？告诉你的 Muse 就好，它也会帮你处理。

想自己动手？运行一条命令即可完成所有设置。

• Mac / Linux：curl -fsSL https://raw.githubusercontent.com/pjpoulose/PIL/master/bootstrap.sh | bash
• Windows (PowerShell)：irm https://raw.githubusercontent.com/pjpoulose/PIL/master/bootstrap.ps1 | iex

然后使用手动设置中的命令构建你的知识库。

你每天收藏的帖子，之后往往再也找不到。PIL (Personal Instagram Library) 会把你在 Instagram 上收藏的内容变成保存在自己设备上的私有知识库：视觉 AI 会深度解读每一条帖子，生成叙述性摘要、要点、操作步骤、帖子中提及的链接和自动标签；几秒钟内即可搜索，也可以通过 AI 编码工具实时查询。

**代码共享，数据留在本地。**此仓库仅包含代码、数据库架构、配置示例和文档。你收藏的帖子、说明文字和账户详情不会离开你的电脑——内容采集、提取、搜索和 MCP 服务都在本地运行。.gitignore 会阻止数据库、配置和导出内容被提交。

使用示例数据制作的概念样图——你的知识库也会像这样展示你的帖子。

想让你的 Claude、Codex 或 Cursor 访问这些内容吗？

连接只读 MCP 服务，其他 AI 工具就能实时查询你的知识库——内容始终是最新的，无需重新上传。你的 Muse 可以帮你完成连接设置。 查看连接方法 →

工作原理

flowchart LR
    A["Instagram saved posts"] -->|"ingest"| B["Local SQLite on your machine"]
    B -->|"vision AI<br/>deep read"| C["Summaries, key points, how-tos, links, tags"]
    C --> D["Query two ways"]
    D --> E["MCP server — Cursor, Claude Code, Desktop"]
    D --> F["Static JSON export — any AI tool"]

手动设置（自己动手）

# 1a. Install from PyPI (recommended — no clone needed)
pip install personal-instagram-library
# gives you: pil-mcp pil-ingest pil-extract pil-tag
#            pil-export-web pil-export-html pil-export-pwa pil-publish-pwa

# 1b. Or get the code
git clone https://github.com/pjpoulose/PIL.git pil && cd pil

# 2. Configure (your data lives in data_dir, default ~/.local/share/pil)
cp pil.config.example.json ~/.config/pil/pil.config.json
# edit it: set account_id to your user_fbid from `instagram-cli accounts`

# 3. MCP server dependency
pip install "mcp<2"

cd bin
python3 ingest_saved.py      # collections + saved posts
python3 extract_content.py   # vision-AI deep read (batches of 25)
python3 tag_all.py           # programmatic tags for untagged posts
python3 export_web.py        # static JSON export -> <data_dir>/web_data.json
python3 export_html.py       # searchable HTML dashboard -> <data_dir>/pil_library.html
python3 export_pwa.py        # installable PWA bundle -> <data_dir>/pwa/

python3 bin/mcp_server.py    # read-only, stdio — Ctrl-C to stop

为什么不直接翻看已收藏内容？

在其他 AI 工具中询问你的资料库

实时连接（推荐）：MCP。 将任何兼容 MCP 的助手连接到只读服务，每个问题都会读取当前数据库 — 始终保持最新，无需导出或重新上传：

python3 /path/to/pil/bin/mcp_server.py    # stdio; Ctrl-C to stop

Claude Code、Claude Desktop 和 Cursor 的配置说明： references/mcp_clients.md。任何兼容 MCP 的 客户端都能使用 — 如果你不想自己修改配置，也可以让 Muse 帮你连接。可用工具：

该服务使用 SQLite mode=ro 打开数据库，并仅提供 SELECT 工具 — 无法修改你的资料库。（已通过攻击测试：SQL 注入、写入尝试和超限滥用均已确认会被拦截。）

快照：上传文件。 让你的 Muse 将 web_data.json 文件发给你 （使用 export_web.py 构建）：一个文件包含所有帖子及其深度阅读知识。将它附加到任何 AI 聊天（Claude、ChatGPT 等），就像处理任何文档一样提问。它会冻结在导出时的状态 — 是快照，不是实时连接 — 因此收藏新帖子后，请让 Muse 给你一份最新副本。

直接访问（高级）。 数据库是纯 SQLite，位于 <data_dir>/pil.sqlite （架构见 schema.sql）。使用任何 SQLite 工具以只读方式打开。

这些文件包含你的个人 Instagram 数据 — 请保存在自己的设备上，并且只与可信任的工具分享。

将你的资料库用作应用

Muse 会为你构建应用并发送给你 — 电脑和手机都能使用。只需提出请求：

• “把我的 PIL 应用发给我” — 下载它发给你的文件，解压，然后双击 Start PIL，再点击 Install。它会像其他应用一样安装在你的电脑上，并且完全离线运行。
• “把 PIL 安装到我的手机上” — 它会处理发布事宜，并提供二维码供你扫描。点击 Install（Android）或 分享 → 添加到主屏幕 （iPhone）。

无需命令、无需设置托管、无需终端 — Muse 会为你处理所有事情。

Signal Deck — 可视化仪表板（v1.2.0）

比起查询，你更喜欢探索吗？Signal Deck（dashboard/）会根据你的本地 PIL 数据库生成一个独立的 HTML 仪表板：展示所有已保存内容的主题环形图、搜索 → 综合（The Brief）、来源栏、固定索引和完整归档网格。仅需一个文件，可离线使用，你的数据绝不会离开你的设备。

cd dashboard
PIL_DB=~/.local/share/pil/pil.sqlite python3 build-signal.py
# open pil-signal-deck.html in Chrome/Safari

详情、PWA 说明和 QA 测试套件请参阅 dashboard/README.md。

包含内容

pil/
├── assets/logo.svg          # the seal above
├── SKILL.md                 # skill definition (for Muse)
├── README.md                # this file
├── LICENSE                  # MIT
├── schema.sql               # the five tables: folders, posts, post_folders, knowledge, tags
├── pil.config.example.json  # copy to pil.config.json and set your account_id
├── bootstrap.sh             # one-line installer for Mac/Linux
├── bootstrap.ps1            # one-line installer for Windows
├── bin/
│   ├── pil_common.py        # config resolution + DB helpers
│   ├── ingest_saved.py      # step 1: ingest (resume-safe)
│   ├── extract_content.py   # step 2: vision-AI extraction (resume-safe)
│   ├── tag_all.py           # step 3: tagging
│   ├── export_web.py        # step 4: static export
│   ├── export_html.py       # step 5: self-contained HTML dashboard
│   ├── export_pwa.py        # step 6: installable PWA bundle (manifest + SW + icons)
│   ├── publish_pwa.py       # step 7: publish PWA to your own host for phone install
│   └── mcp_server.py        # read-only MCP server (stdio)
└── references/
    └── mcp_clients.md       # Cursor / Claude Code / Claude Desktop wiring

常见问题

我需要会编程吗？ 不需要。把本页面顶部的提示词复制并粘贴到 Muse 中，它会全程协助你完成所有操作。你只需自行关联 Instagram（在浏览器中点一下）并下载它发送给你的应用文件。

我的 Instagram 数据会被发送到哪里？ 不会发送到任何地方。*代码共享，数据留在本地：*你保存的帖子、说明文字和账户详情都不会离开你的电脑。我们不会上传任何内容——没有所谓的“我们”；这里没有服务器、账户或云端。

这需要付费吗？ PIL 免费且开源（MIT）。无需订阅，也无需创建账户。AI 深度读取步骤会通过你自己的 Instagram/AI 配置运行。

应用可以离线使用吗？ 可以。安装后，桌面应用和手机应用都可完全离线运行——搜索、空间、标签和问答都无需联网。

支持哪些手机和电脑？ 桌面应用支持 Windows、Mac 和 Linux；手机应用支持 iPhone 和 Android。在 Android 上，用 Chrome 点按 Install app；在 iPhone 上，用 Safari 的 Share → Add to Home Screen。

我保存了新帖子——如何添加？ 只需告诉 Muse“我保存了新帖子”。它会获取并深度读取新增内容，然后刷新你的应用和文件。

我可以和别人分享我的资料库吗？ 你的资料库是存放在自己设备上的文件——可以复制到别人的电脑上，但其中包含你的个人 Instagram 数据。请像对待其他隐私内容一样处理：不要公开发布或上传到任何公开位置。

出了问题——该怎么办？ 告诉 Muse 你遇到了什么情况——它可以直接诊断并修复。（如果你正在手动设置，请重新运行安装程序——重复运行多少次都安全——并确认 python3 --version 显示 3.11 或更高版本。）

故障排除

遇到问题了吗？告诉 Muse 发生了什么——它可以自行诊断并修复大多数问题。

要自行手动设置吗？

• PIL account_id is not configured → 复制示例配置，并将 account_id 设置为 instagram-cli accounts 中的 user_fbid。
• 超大资料库的提取速度较慢——支持断点续跑，重新运行即可。
• 脚本会通过退避机制处理 429 速率限制。
• MCP 服务运行所用的 Python 环境需要安装 mcp<2（2.x 重命名了 API）。

参与贡献

欢迎提交 PR 和问题反馈——包括改进提取提示词、新增查询客户端和导出格式。Fork 项目，提交成果，让它成为你自己的工具。如果它帮你摆脱了无休止的滚动浏览，点个星标就能让更多人发现它。

许可证

MIT。由 Paul Poulose 构建。