你的 agent 不缺你上传的文件，缺一座自带地图的资料库
能打开一个文件的 agent，不等于读过你资料库的 agent。它缺的是一个人从书架、而不是从单个文件里得到的东西：一张「什么在哪儿」的地图、你早就做下的标记，以及一条「可以碰什么」的边界。上传文件，三样一样都补不上；把 agent 接到资料库本来所在的那个文件夹上，三样一次补齐。
现在的编码 agent 已经能干不写代码的活了，人们拿它做的第一件事就是把文档丢给它：一个文件夹的论文、一份合同、一篇学位论文。结果以一种很具体的方式让人失望——算不上错，但浅：agent 读到它能找到的，引用它能抄下来的，却漏掉了一个真正的读者会注意到的东西。
agent 打开一份 PDF 的时候，到底缺什么？
每个像样的 agent 都能读文件。它缺的是一个资料库能给读者的东西：
一张地图。 一本五百页的书，当成文本递过去，就是一堵没有分别的字墙。结构——章节、小节、每一部分讲什么——才让导航成为可能。没有结构，agent 的做法就和你拿到一本页码被打乱的书一样：搜关键词，然后在命中的地方前后乱读。
你早就做下的标记。 高亮、批注、上个月你在第 214 页写的那句话。这些是「你认为什么重要」的记录——也正是 agent 在第二轮里还能有用、而不必从零开始所需要的上下文。
一条边界。 让它读你东西的那份权限，同样能让它改写你的东西。大多数集成用「相信模型」来处理这件事——这套办法一直有效，直到某份文档里夹着指令的那天，或者某次改写看上去合理、其实是错的那天。
为什么「上传文件」是个错的解法？
上传能解决一次地图问题，勉强算解决：托管服务可以把一份 PDF 解析成有结构的东西。它解决标记问题的方式，是请你在一个新地方重新标一遍。它解决边界问题的方式，是拿走你核查的能力：文件躺在别人的磁盘上，你能查看的版本，只有它展示给你的那一版。
还有一种更安静的代价：资料库是积累出来的。两百篇论文放在一起、其中一些你读过、一个问题能对着它们全体来回答——这份价值，一次对话传一份文档永远攒不出来。
AI 应用怎么够得着这座资料库？
MindMax 在桌面应用里跑一个服务端，说的协议是模型上下文协议（MCP）——一个开放标准，规定 AI 应用怎么调用另一个程序里的工具。服务端发布一份工具清单，每项有名字、有说明；你已经在用的那个应用是客户端，它的模型决定哪一次调用能回答你的问题。搜索、把一章整章读完、提出一处修改——这些都是工具；回来的东西（结果、结构、由程序展开成逐字原文的引文）落在你提问的那个应用里。
所以这不是换助手的事。Claude、Claude Code、Codex、ChatGPT、Cursor、Windsurf 和 WorkBuddy 都在设置里一键连上，模型还是你原来那个、你原来付费的那个。MindMax 补上的是它一直没有的东西：工具、工具背后的书架、厚书的阅读地图，以及挡在它落笔之前的评审门。MindMax 你用得上，你的 AI 也用得上。
三个设计决定承担了大部分工作，而每一个都拒绝了更省事的做法。
给地图，不给文字倾泻。 要一本 550 页的书，工具返回的大约是 12k 字符的结构：两层、每章一句说明、每一节一个 id。agent 挑一章，把那一节整节读完，需要的话再回来要下一节。一张装得进上下文窗口的地图，比一份装不进去的逐字稿更有用——所以 MindMax 不多倒文本出去让模型自己去理。
提议，不要直写。 新文件可以直接建；对你已经写过的东西的改动，在你自己文字上以分组修订到达，每组附一个理由，你接受了才保存。工具集里没有覆盖写，也没有删除。一个写工具在 agent 手里就是一份责任；评审这一步，才是这个产品挣得「可以碰你的文件」这份权利的地方。
本地，而且把话说清楚。 服务端只绑在回环地址上：不上传，不跑 MindMax 的模型，不消耗额度。推论也和功能写在同一页上——不能远程访问，手机上不行，借来的笔记本上也不行。一条连接如果同时宣称「本地」又「随处可用」，它一定在某一边上没说实话。
拿这条连接的人实际在干什么？
都是些平常的活儿，每一件都比在聊天窗口里顺手——材料和你做过的标记本来就在原地。
- 对着整个书架提一个问题。「这几篇论文里的试验实际说明了什么？」——引文点一下就回到它出自的那一页。让 AI 应用用上你的资料库
- 按地图读一本书。 先要一份导读——逐章讲论证怎么走、哪里要停一下——然后你自己读，页边已经标好了。让 agent 给你要读的书做标注
- 批在写错的那一句上。 在那一行写一句批注；应用改这一句，轮次回到你这边。在页边改稿
- 想不清的问题铺到画布上。 聊天窗口里被压成一段话的乱麻，变成可以往下拉的分支。把问题开在画布上
模型更强了，这些不就没必要了？
不，原因是结构性的。更强的模型能把一张差地图读得更好，但它依然读不完一本装不下的书，也依然无从知道你上周改了什么。能力和上下文是两根不同的轴，资料库活在第二根上。
更强的模型真正改变的，是经济账。把一整本书交给一次阅读，过去是个研究项目；现在只是 agent 一小时注意力的事。这恰恰是为什么材料与权限变得更要紧、而不是更不要紧：agent 能无人看管干的活越多，边界就越得落在工具集里，而不是落在提示词里。
信任一条这样的连接之前，该查什么？
四个问题，按这个顺序。
- 服务端跑在哪里？ 回环地址就是你的电脑；一个公开的 HTTPS 端点意味着那个助手的供应商在链路中间。
- 它能写什么？ 读一遍工具清单。如果它能覆盖或删除，那是有人替你做了这个决定。
- 是模型在展开引用，还是程序在展开？ 模型打出来的引文靠信任；程序把句柄展开成原文，你才核得了。
- 谁的模型，谁付钱？ 用自己模型的 agent 不花这个应用的额度——这是好事，也提醒你成本是挪了地方，不是消失了。
它花什么钱，又做不到什么？
这条连接不消耗 MindMax 的额度：阅读和推理都记在你连的那个应用的账上——本来就为它付费的，不存在第二份账单；模型跑在你自己的 key 或机器上的，整条路都留在本机。它做不到的，是把一文件夹的摘要变成一排真正可读的书——那部分是你的事。而且它按设计只有桌面这一条路：服务端只在这台机器上监听，手机上一个文件、一个问题，聊天窗口仍然更短。