在这个信息过载的时代，我们试图通过 Simple 2000s Navigator 找回 Web 1.0 时代的纯粹与高效。这不仅仅是一个导航页，更是一个属于你个人的、极简的、智能的互联网入口。

它摒弃了现代网页繁杂的特效与广告，以最朴素的文字链接形式，提供最极致的加载速度和最专注的浏览体验。

加上现在市面上的导航插件，存在多平台同步难，隐私不安全的问题。打造一个属于自己的导航页尤其重要。

网页构成

• 网址信息：支持网址的增删改查、分类管理及排序，构建你的个人知识库。
• 常用模块：集成实时天气（高德 API）、农历日历及主流搜索引擎入口。
• 习惯分析：针对高频操作优化，提供直观的交互反馈与极速响应。

极简复古设计

• 纯粹主义：全站无图片（无图标）、无重型 CSS 框架，毫秒级加载。
• 经典风格：致敬 2000 年代的门户网站风格，密集而有序的信息排列，一目了然。
• 主题定制：内置多套复古配色方案，支持深色/浅色模式自动切换，适应不同环境。

无感云端同步

• Cloudflare 驱动：基于 Cloudflare KV 存储，数据在全球边缘节点分发。
• 多端漫游：在公司电脑添加的链接，回家打开手机即可看到，无需手动备份。
• 离线可用：采用 Service Worker 技术，即使断网也能访问本地缓存的导航页。

隐私与安全

• 零追踪：无Google Analytics，无第三方 Cookie，你的浏览习惯只有你自己知道。
• 数据私有：所有统计数据优先存储于本地，云端仅作为加密备份。

热门度分析 (综合评分算法)

摒弃单一的点击量统计，采用多维度加权算法计算网站的实时热度：

• 时间衰减：引入牛顿冷却定律，久未访问的网站热度会自动降低。
• 访问频率：区分“每日必访”和“偶尔访问”，高频访问权重更高。
• 近期趋势：优先展示近期活跃的网站，确保推荐内容符合当前需求。

智能预测 (行为预判)

基于马尔可夫链和时间序列分析，智能预测用户可能访问的下一个网站：

• 时间模式：分析不同时间段（如早晨/深夜）的访问偏好。
• 序列关联：识别访问路径（如访问“邮箱”后通常会访问“日历”）。
• 场景识别：根据当前上下文推荐相关联的工具或网站。

异常检测 (健康提醒)

监测访问行为的异常波动，关注数字生活健康：

• 深夜活跃：识别深夜（2:00-6:00）的高频访问行为，提醒注意休息。
• 倦怠预警：检测连续高强度工作或周末过度使用工作类网站的情况。
• 兴趣漂移：对比不同周期的访问数据，分析关注领域的转移趋势。

深度行为洞察 (效率分析)

深入分析用户的工作流与注意力状态，辅助提升数字效率：

• 心流状态识别：自动检测长时间、高频次的专注工作时段（如写作、编程）。
• 摸鱼循环检测：识别在多个娱乐应用间频繁切换的"无意识浏览"行为。
• 工具链挖掘：发现经常协同使用的跨分类工具组合，优化工作流布局。

统计学算法模型

系统内置了多种经典统计学和机器学习算法，提供科学的数据分析：

Z-Score 异常检测：基于标准差的统计方法，识别偏离正常范围的访问行为。当今日点击数超过历史均值 2.5 个标准差时，系统会发出"活跃度激增"预警。

信息熵分析 (Shannon Entropy)：量化注意力的分散程度。熵值越低，说明注意力越集中；熵值越高，说明访问过于碎片化。系统会在熵值异常时提示"专注度固化"或"注意力分散"。

帕累托分析 (80-20法则)：识别"关键少数"。如果某个分类占据了 40% 以上的点击，系统会提示"分类失衡"，建议探索更多功能。

趋势动量检测：基于一阶差分的符号分析，连续 3 天点击下降即触发"使用频率降低"预警，帮助早期发现用户活跃度流失。

事件间隔分析：分析相邻点击的时间差分布。如果 30% 以上的访问间隔小于 1 分钟，系统会识别为"焦虑性刷新"或"高强度作业"模式。

行为模式挖掘

突发检测 (Burst Detection)：识别短时间内的密集事件序列。如果 10 分钟内连续点击同一网站，说明在深度使用该工具，系统会提高其"访问深度"评分。

留存分析 (Retention Analysis)：将 30 天划分为 4 周，统计每周的活跃状态，评估用户对某个工具的"长期粘性"，区分昙花一现和长期习惯。

关联规则挖掘 (Association Rule Mining)：发现经常一起使用的链接组合，计算支持度和置信度，自动识别用户的工作流程模式。

向量相似度分析：将每个链接的 24 小时访问分布转化为向量，通过余弦相似度计算，发现访问模式相似的链接，提示可能的合并或优化机会。

多维效能评估

系统构建了包含 10 个维度的综合评估矩阵，全方位诊断每个链接的健康度：

1. 频率评分：基于点击次数的归一化评分
2. 价值衰减：识别使用频率持续下降的链接
3. 效率分：综合多个指标的效率评分
4. 时效性：预测即将过时的链接
5. 时间价值：区分"高频低价值"和"低频高价值"
6. 孤立度：识别从不与其他链接配合使用的工具
7. 工作流集成度：评估在工作流中的重要性
8. 分类效率：分析所属分类的整体使用效率
9. 模式重复度：发现访问模式相似的链接
10. 未使用状态：标记从未点击的链接

技术架构

• 前端：原生 JavaScript + HTML5 + CSS3，无任何构建工具依赖，源码即部署。
• 存储：Local-First 架构，LocalStorage 作为主存储，Cloudflare KV 作为同步后端。
• 性能：极致优化，Lighthouse 跑分 100，资源体积 < 100KB。

开源地址： https://github.com/wangdaodaodao/simple-2000s-navigator