事前验尸是一种规划练习：假设项目已经失败了——一年以后，结果很糟——然后列出原因。因为失败被当作事实而不是可能性，人们会说出原本藏在心里的风险。它大约要二十分钟，在决定最终拍板之前做效果最好。

这是「思维模型实战」系列的第一篇：每篇讲一个经典方法——它是干什么的、怎样手动来做、怎样用在你自己的材料上。

想把 ChatGPT 或 Claude 的回答变成一份像样的 Word 文档：用助手自带的复制按钮复制（它给你的是 Markdown），粘贴进一个能渲染 Markdown、也认得助手公式写法的编辑器，在那里改好，再导出为 .docx。直接粘贴进 Word，跳过的正是把格式符号变成格式的那一步。

试过的人都知道结果：标题前面一串井号，加粗的词两边是星号，表格变成一排排竖线，公式到达时是 \frac{a}{b}。

是的——MindMax 的每一个 AI 功能都能用你自己的 API key 运行，不要账号，没有每周额度，一样都不保留。订阅存在的意义，是省掉你管理 key 和账单的麻烦，而不是解锁这个产品。这篇文章解释为什么，以及用自己的 key 运行要你付出什么。

如果你已经在为某个 API 付费，却被告知要先买第二份订阅，应用才肯和模型说话，这是一笔糟糕的交易，所有人心里都清楚。同样的 token 你被收了两次钱——一次是服务商收的，一次是应用为「替你发送它们」这项特权收的。

所以 MindMax 不这么做。加上你自己的 key，每一个 AI 功能的表现都和订阅用户一样：同样的档位、同样的工具，不要账号，没有每周额度。不是一个缩水的模式，不是一条测试版通道，也不是一个悄悄关掉产品有意思那一半的设置。

这篇文章想讲的是：为什么这并不是慷慨。

拿一张图表截图问 AI 是可行的，但它扔掉了图片下面的文字、它出自的那一页，以及周围的文档。在文档里框选一块区域，三样都保留下来，所以数字是从文字里读出来的，而不是从像素里猜出来的，回答还能链回那一页。

每个人都有同一个变通办法。遇到一张看不懂的图，截个图，贴进对话框，打一句「这是什么意思」。它管用的次数多到成了习惯。

它也会以一种具体的、可重复的方式失败，而失败的原因并不是模型不擅长看图。而是等图片到达时，原本就在它旁边的三样东西已经被扔掉了。

给 Obsidian 仓库用上 AI，最简单的办法是在另一个能原地读取它的应用里打开同一个文件夹。MindMax 直接打开你的仓库——不导入、不复制、不上传整个文件夹——能对你的笔记以及附件文件夹里的 PDF、EPUB 一起回答问题，引文点开就落在原页。Obsidian 继续在同一批文件上照常工作。

Obsidian 的大多数 AI 方案，是把笔记文字发给模型的插件。它们对笔记有帮助。但对一个典型仓库的另一半——你的笔记所讲的那两百份 PDF——几乎帮不上什么。

MindMax v1.0 is the first release line after the public beta opened. The 1.0.1–1.0.7 builds that followed on the same day fixed the Windows installer; everything below is in 1.0.7. MindMax is still in public beta — the version number marks the update channel, not a finish line.

What is in it​

• Automatic updates. New versions download quietly in the background and install with one restart. Until now every update meant a fresh download from the website, which is how people end up three versions behind.
• Voice input. Dictate into the chat box and into quick notes instead of typing. Thinking out loud is often faster than writing, and the point of a quick note is that it costs nothing to take.
• Choose a model per task. Model settings are grouped into tiers, and each kind of job — answering, annotating, translating, writing — can be pointed at the tier you want. A fast model for quick questions and a stronger one for long work, instead of one model for everything.
• See what the AI is using. A usage view shows tokens and credits by task, so a long job that cost more than expected is visible rather than mysterious.
• A rebuilt Markdown editor. Tables you can edit like tables, with rows and columns you drag; lists you can fold; quotes and callouts that read cleanly; maths and Mermaid diagrams that preview as you type; document properties from the slash menu. The editor is where notes and drafts live, so it has to be pleasant before anything else on top of it matters.
• One search across everything. The search panel was rebuilt to search PDFs, books, Office files and notes in one place, with results grouped by passage rather than repeated per match.
• A book overview on the canvas. Open a book beside a canvas and get its structure laid out as a map you can expand from, instead of a summary you read once.
• Plans and sign-in in the app. Change your plan without leaving MindMax, and sign in with Google. Using your own API key still needs no account at all.

Known rough edges​

• Windows builds are not signed yet. SmartScreen will warn on first install — choose More info → Run anyway. macOS builds are signed and notarised, so they open without a warning. The installation guide walks through it.
• Two-column PDFs with figures in between remain the hardest extraction case. If a quote reads oddly, click through to the page.
• Voice with your own key needs a speech model. On the subscription it works out of the box; with your own key, transcription goes to a speech model at your provider — if it offers none, pick one for voice in model settings.

Where to start​

New here: open your first folder. Already using it: the update will offer itself — accept it and restart.

每隔几天，就有一位自己搭过检索系统的人问起 MindMax 同一个问题，而且这是个好问题：如果不对我的文件夹做一遍 embedding，它怎么找到东西？

简短的回答是：它像你一样找材料——靠结构、靠页面上的字眼、靠换几种说法再试——而小到能读完的文档，是直接读，而不是从中检索。更长的回答是：这是一种有真实代价的取舍，假装没有代价，就会成为那种第一次被人测试就站不住的说法。

MindMax 的 AI 给一本书做批注时，是故意批得很稀的：它只在一位忙碌的专家真的会停下来的地方做标记，事先告诉你它打算多久停一次，而它的四个镜头里有两个是向你提问，而不是把结论交给你。更少、更好的标记，才是你会回头再读的那些。

人们对 AI 通读批注的第一反应，常常是有点失望：它读完了一整章，只留下两条批注。它肯定能找到更多吧？

它能。我们决定它不该这样做，而这背后的理由值得写下来，因为「更多批注」正是那种会让产品变差、用户却不会马上怪到产品头上的改进。

想用 AI 翻译一整本 EPUB 并保持一致：翻译任何内容之前先定好反复出现的术语表，一次运行里让每一章都对照同一份术语表翻译，让结果接受漏译和数字变化的检查，再和原文对照着读。把章节一段段贴进对话框，前两条一条都做不到。

句子质量早就不是机器翻译的难点了。难的是长度。

想把扫描版 PDF 识别成靠得住的文字：有意识地识别一次，逐页检查结果，而不是相信一个准确率数字；只重跑识别得差的那几页；原始扫描件保持不动，好让每一句引文都能对照它所出自的页面图片核对。

扫描版 PDF 就是一叠照片。在照片变成字符之前，什么都没法搜索它、引用它、翻译它——而一个照样回答关于它的问题的 AI，是在凭空作答。