13 篇博文 含有标签「产品札记」

用 AI 整理笔记最安全的方式，是让它改笔记「怎么写」，永远不改它「说了什么」。MindMax 的快记就是这样工作的：每一个错别字、听错的字和破碎的句子都会被修正，想法被归到对的标题下，而你没说过的东西一样都不添——不添事实，不添结论，也不把话说得比你更满。

这听起来是个小区别。它却是「一篇下个月还能信的笔记」和「一篇得重新核对的笔记」之间的全部差别。

想就一整本书向 AI 问一个真正的问题——论证在哪里转向、作者收回了什么、第九章是否和第二章矛盾——AI 就得像你那样读这本书：看目录，判断问题需要哪几章，把它们完整读完，第一章没解决就回头再读一章。把整本书贴进去，和搜索切碎的片段，恰恰都在这些问题上失败。

每个 AI 阅读工具都得决定：当材料比模型能好好处理的更长时，该怎么办。这个决定在回答里是看不见的，它却决定了这个回答能不能信。

MindMax 本身可以免费使用：阅读、写作、搜索，以及把文件留在你自己的文件夹里，都不花钱；你唯一要付费的是 AI 的活，要么通过订阅，要么用你自己的 API key。打开一份 PDF、高亮、搜索你的文件夹、编辑一篇笔记、导出为 Word，都从不消耗额度。提问、讲解、批注、翻译、识别扫描件或者转写你的语音，是 AI 的活，会消耗。

这条线是刻意划的，这篇文章解释它划在哪里、为什么——因为在大多数软件里，「免费版」的意思是「一个第二天就用完的演示」，而我们指的不是这个。

核对一句 AI 引文是否真的出现在 PDF 里，听起来就像按一下 Ctrl+F。实际上，PDF 里的文字并不是你看到的文字：单词在行末被连字符拆开，段落被分页和页眉切断，像「fi」这样的字母组合被存成一个符号。一个无视这些的引文检查，要么拒绝真实的引文，要么放过改写过的话。把它做对，就是大部分的工作量。

我们说过，MindMax 里的每一句引文都会对照原文核对。这篇文章要讲的是，为什么这句话背后藏着的比它说出来的多——以及你应该对任何作出同样声称的工具抱有什么期待。

AI 对你文字的修改，应该以修订形式到达——删除的划掉、插入的标出，就在你自己的文字里——这样任何没有标记的地方都和你写的一模一样，每一处修改你都可以接受或拒绝。另一种做法，交回一份改写过的副本，逼你在「全部重读」和「相信一处你从没看到的修改」之间二选一。

对一段话，改写的副本是个小麻烦。对一整章，它就是人们不再让 AI 碰任何要紧东西的原因。

通过 Ollama 或 LM Studio 运行的本地模型，能做好短小、边界清楚的文档活——解释一段文字、回答关于一篇打开着的论文的问题、整理一篇笔记——而且这些活从不离开你的电脑。它吃力的是那些需要大上下文和可靠工具调用的长活：一章一章地读完一整本书、翻译几百页、起草书级篇幅的东西。

这个分界值得在开始之前就知道，而不是在一个做不完的任务跑了四个小时之后。

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。

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。