意动 MindFlow — 产品白皮书

版本：V1.0 日期：2026年5月 编制：易扬智创

第一章 你遇到过这些问题吗？

小林的故事

周三下午两点，财务部小林对着电脑屏幕叹了口气。又到了月末出报表的日子，五张 Excel 表，分别来自销售、采购、库存、人事和运营。每个表的格式都不一样，时间字段有写"3月"的，有写"2026-03"的，还有写"2026年3月"的。她需要把它们汇总成三张标准报表，明天一早交给财务总监。

她打开 Excel，开始手动核对。数据透视表、VLOOKUP、条件格式。。。这些她都很熟。但两个小时过去了，她还在第三张表上，而且发现了一些对不上的数字，需要找销售和运营重新确认。她想起来有个同事说过"AI 可以帮你处理表格"，她打开了一个 AI 工具，上传了一个 Excel 文件，输入"帮我汇总这些数据"。

AI 给了她一段 Python 代码。

她不会 Python。她不知道什么是"pip install pandas"。她关掉了网页，继续手动核对。

小林的问题不是"AI 不够强大"。AI 可以写出完美的 Python 脚本，但对她来说，这是一堵墙，不是一座桥。

小夏的故事

小夏是大二化学专业的学生。这学期的分析化学实验课，期末作业是独立完成一个完整的定量分析实验——从样品前处理到仪器分析，从数据处理到实验报告，全部自己设计。老师给的指导只有一句话："选择一种合适的定量方法，完成从样品到报告的完整流程。"

她坐在实验室里翻着教材，脑子里一团乱。该用什么方法？分光光度法还是滴定法？样品怎么前处理？空白对照做几组？数据怎么呈现——表格还是图表？她还发现自己在做实验设计时总会遗漏一些关键步骤，比如她一开始完全忘了要做精密度实验和回收率实验，直到翻到教材后半部分才意识到。

她把作业要求发给了一个 AI 工具，问"定量分析实验怎么做"。AI 给了她一堆信息：标准曲线、偏差计算、误差分析。但她真正需要的是把整个实验从头到尾串联起来：先做什么、后做什么、每一步注意什么、报告的每个部分应该怎么写。没有人告诉她这些。

她不是不会做实验，她是缺少一份把模糊要求变成清晰步骤的路线图。

老李的故事

老李刚入职一家科技公司做后端开发。入职第一天，他被拉进了十几个文档群。产品手册、接口规范、历史技术方案、会议纪要、新人入职指南，有几十份文件，几百页内容。Leader 说"你先把这些熟悉一下"，但没告诉他要熟悉到什么程度、哪些重要哪些可以略读。

他把关键文件打印出来，一段段看。遇到不懂的概念就去搜，搜完回来继续看。五天过去了，他看完了大部分文档，但脑子里依然是一团碎片。他问 AI"Spring Boot 的异常处理怎么做"，AI 回答得很清楚。但他真正想问的是：这个项目到底做了什么？为什么这样设计？我接下来要做什么？AI 回答不了这些问题，因为 AI 不知道公司的上下文。

他不是学不会，是没有被引导。

这三个人遇到的问题，表面上各不相同：一个要处理表格，一个要设计实验，一个要熟悉项目。但它们的本质是一样的：他们不缺能力，不缺意愿，缺的是一套能把自己的真实情况告诉 AI，并让它产出真正有用结果的方法。

现在市面上的 AI 工具，大部分是为精通技术的人设计的。提示词怎么写、模型怎么选、工具怎么调用，这些对技术圈的人来说是常识，对普通人是门槛。而宣称"一句话就能搞定一切"的产品，给的结果往往和实际需求差得很远。这不是 AI 能力不够，是缺少一种方式，让用户把自己的真实情况讲清楚，让 AI 按照正确的步骤来处理。

如果你在小林、小夏、老李的故事里看到了自己的影子，那么接下来的内容，是为你写的。

第二章 意动 MindFlow 是什么？

意动 MindFlow 是一个 AI 辅助技能平台。

不是一个聊天工具——聊天是你问一句它答一句，答完就结束了。不是"一句话生成软件"的开发工具，那种工具宣称的很多，实际能交付的很少。意动做的，是把专业团队的工作方式，变成每个人都能直接使用的 AI 技能。

它的能力分为四个层级。你可以根据自己的需要，选择进入其中某一层。

第一层：你问，它引导，帮你做完

你告诉意动你想做什么，比如"拆解这个作业""盘点我学过的知识""分析这个想法的可行性"。它不会立刻给你一个答案。它会像专业人士一样，根据你引用的文档内容，和你进行多轮沟通，问你对文档中关键问题的理解，帮你理清你真正需要的是什么，然后一步步推进，最终给你一份结构化的产出，并自动保存到你的知识库。

你可以用任何普通的 AI 对话框实现"先问问题再回答"。你写一段提示词，AI 就会先追问、再输出。但意动做的不是这个。

区别在于知识库。 意动直接映射你本地的项目文件夹：课件、报告、方案、笔记，你不需要为了使用 AI 功能而手动复制粘贴任何文档内容。当你选中一个文件说"帮我拆解这份作业"，意动自动读取文件内容，将其作为 AI 理解你需求的基础。AI 不再是对着一个孤立的问题回答，而是在你的上下文里工作。它知道你的作业要求是什么、你的实验要做什么、你的项目文档里写了什么。它产出的每一份路线图、方案、报告，都会自动保存回你的知识库——它们是实实在在的文件，不是聊完就消失的对话气泡。这些文件会成为你积累的知识资产，未来随时可以检索和引用。

下次你再使用的时候，不是说"我之前有一个作业，要求是这样的，你再帮我看看"，你说"上次那个作业，现在到第三步了吗？"它记得。知识库让它认识你，让它的每一次工作都是连续的而不是孤立的。

你不需要知道什么是"需求分析"，什么是"结构化文档"。你只需要回答意动问你的问题。这个过程像有人在帮你梳理思路，而不是你对着一个空白对话框思考怎么写提示词。

这是知识中心。轻量级的任务，一个人就能完成。你只负责决策，剩下的交给系统。

第二层：复杂的事，一支虚拟团队帮你做

当你面对的是一件更复杂的事——比如从零开始做一个项目——需要的不只是一个人，而是一整套专业分工。

意动内置了多个专业角色。产品需求分析师帮你理清用户要什么，架构顾问帮你设计系统结构，技术评审员帮你检查每一阶段的成果是否合格，开发工程师负责代码实现，测试工程师负责验证质量。这些角色不是换个头像的同一个 AI，而是各有各的专业视角和评判标准。它们会各自站在自己的专业立场上审视你的项目——需求的完整性、架构的合理性、代码的规范性、测试的覆盖率，每个角度都会有人把关。

你不需要自己去协调这些角色。系统会自动调度，一个角色的产出会自动流转到下一个角色，评审不通过会自动打回修改。你从执行者变成了管理者。

这是角色中心。面对复杂任务时，你不需要一支真实的团队——意动已经为你准备好了。

第三层：重复的事，让它自己跑

有些工作是重复性的——每周出报表、每月做总结、定期盘点知识。意动允许你把这些工作流程固化下来：定义好步骤、设置好触发条件、绑定好角色和技能。以后到了时间，系统自动启动流程，你只需要审核最终结果。

就像你设置了一个闹钟——到了时间触发提示，你可以决定要不要响铃。但意动做的不是提醒你，而是直接帮你把事情做完，你只需要看结果。

这是协作中心。让重复性的工作自动运转，不再需要你每次从头来一遍。

第四层：按你的需要，自定义一切

以上三层覆盖了从轻量到重量、从手动到自动的完整工作方式。但你的业务可能很特殊——你觉得预设的角色不够用，你想定义一个新的技能流程，你想创建一个专属于你行业的自动化模板。

意动在设计之初就为此预留了完整的扩展机制。新的角色、新的技能、新的自动化流程，未来你都可以根据自己业务的需要来定义和配置。它不是一个你只能被动使用的工具，而是一个可以随你一起成长的工作平台。

这是意动的长期规划。 我们自己的开发团队使用意动来开发意动本身。也就是说，你正在看的这个产品，就是用你即将使用的工具开发出来的。我们定义角色、编写技能、配置流程，然后用它们来产出设计和代码。当这些能力开放给你的时候，你得到的不是一个产品，而是一个可以自我进化的 AI 基础设施。

意动的四个层级，构成了一个完整的金字塔：

• 第一层（知识中心）是地基。 所有的能力都建立在你的知识库之上。它解决的是"一个人、一件事、一次搞定"的问题。
• 第二层（角色中心）是中坚。 它在知识中心的基础上增加了多角色协作。解决的是"一件事太复杂，需要多人分工"的问题。
• 第三层（协作中心）是顶层。 它把前两层的能力固化为自动化流程。解决的是"这件事我每周都要做，能不能让它自己跑"的问题。
• 第四层（自定义扩展）是边界。 它允许你突破预设，按自己的需要定义一切。解决的是"我的需求很特殊，预设的不够用"的问题。

你不需要一次性理解所有四层。你可能现在只需要第一层，随着使用深入，自然会向上探索。

V0.9 公测范围：当前全面开放的是第一层——知识中心。角色中心和协作中心已在产品中预留入口，V1.0 正式版陆续开放。第四层为长期规划。以下展示的能力对照表可以帮助你了解各场景的当前状态：

你不会在产品里看到"智能体""Agent""SOP""六层架构"这些词。不是因为没有，是因为你不需要知道这些。你只需要知道你想做什么，剩下的交给意动。

第三章 它能帮你做什么？

这一章不列出功能清单。功能清单可以在官网或产品文档里看到。这里展示的是真实的使用场景，让你看到有人和你遇到了一样的困境，然后用意动，得到了什么。

以下场景展示意动的目标体验：公测版优先保障拆作业、做方案等核心链路，其余能力持续完善。

场景一：拆作业

小夏把分析化学实验课的资料放进了意动。 她在对话框中选中《分析化学实验要求.pdf》，输入了一句话："帮我拆解一下这份作业。"

意动没有立刻给她答案。它问她："你想用哪种定量方法——分光光度法还是滴定法？你的样品类型是什么？实验室有哪些仪器可以用？实验周期有多长？"

小夏回答了。她还补充了一些想法：我想用分光光度法，测水样中的铁含量。但我对精密度实验和回收率实验的具体要求不太确定。"

意动继续追问："老师有没有给评分标准？报告需要按期刊论文的格式还是课程报告的格式？有没有要求数据量，比如至少做几组平行实验？"

几轮对话之后，意动开始生成实验路线图。最终小夏拿到的是一份《实验执行路线图》，里面清楚地写着：

• 阶段一：实验准备——溶液配制、标准曲线绘制、波长选择
• 阶段二：样品前处理——消解方法、稀释倍数、空白对照
• 阶段三：仪器分析——精度验证（RSD 计算）、回收率实验
• 阶段四：数据处理与报告撰写——数据分析、误差分析、报告结构、参考文献格式

每个阶段标注了预估时间和质量标准，比如"标准曲线的 R² 需要达到 0.999 以上""回收率应控制在 95%-105% 之间"。

小夏把路线图发给同组的同学，她们照着这个路线图推进了自己的实验，没有一个组漏掉精密度验证这一步。

她得到的不是一个 AI 的回复。她得到了一个可执行的实验计划。

场景二：做方案

小周是一个自由职业者，运营着自己的自媒体账号。 她以自由职业者的身份使用意动。最近她接了一个客户的需求：为一款新上市的护肤品做一期深度测评视频。客户发来了产品资料、竞品对比和几个卖点关键词："成分控""敏感肌可用""性价比"。剩下的全部要她自己策划。

她看着这些材料发了半天呆。该讲什么？从什么角度切入？视频结构怎么安排？她之前做过测评，但每次都是从头硬想，效率很低。

她在对话框中上传了客户发来的所有资料，选中了它们，输入："帮我做一个内容策划方案。"

意动开始追问："你的账号受众以什么年龄段为主？护肤知识水平大概是什么程度——小白还是成分党？这期视频你希望达到的效果是种草转化，还是知识科普？竞品中有哪些你的受众已经比较熟悉的品牌？"

小周逐一回答：18-25岁女性为主，护肤知识中等，目标是种草转化，竞品中受众对雅漾和理肤泉比较熟悉。意动基于这些信息进行了分析，最终生成了一份《内容策划方案》。

方案里包括：选题角度："百元面霜里的成分天花板"（强调性价比与成分对比）、视频结构：从痛点引入到质地展示到对比实验到总结推荐、拍摄要点：关键镜头清单、道具准备建议、参考文案框架。

小周拿这份方案开始拍摄。剪完片子发给客户，客户说"这次的结构比以前清晰很多，尤其是成分对比那块，一目了然"。

她得到的不是一个 AI 的回复。她得到了一份可以直接拿去执行的内容策划方案。

场景三：项目分析

小杨是一个自由职业者，平时做外包项目。 他有一个想法，做一个面向社区团购的小程序，团长可以发布商品、邻居可以下单、团长可以管理配送。他不太确定这个想法靠不靠谱，值不值得花时间去开发。

他在对话框中输入："帮我分析一下社区团购小程序的可行性。"

意动没有直接说"可以做"或"建议不要做"。它开始问问题："你计划面向什么区域？一线城市还是下沉市场？有没有已有的团长资源？你预算和上线时间预期是什么样的？"

几轮沟通之后，意动进行了市场分析，包括社区团购现状、竞争格局、用户需求特征。然后它生成了技术验证，是一段核心功能的示例代码，展示了小程序的基本架构。最后给出了风险评估，告诉你供应链管理是最大难点，建议先验证团长资源再投入开发。

最终小杨拿到的是一份《项目分析报告》，包含市场分析、技术可行性、实施建议、风险评估。他拿着这份报告去见了一个投资人，投资人说"这是我看过最务实的个人项目方案"。

他得到的不是一个 AI 的判断。他得到了一份可以拿去说服别人的分析报告。

场景四：知识盘点

大四历史系的学生小孙正在写简历。 看了自己四年学的课程，好像很多，但零零散散的，说不出一个清晰的脉络：中国史、世界史、史学理论、考古学概论、地方志研究……各个课程之间到底有什么关系？自己真正擅长的方向是什么？

他把四年的课程资料、论文、读书笔记全部上传到了意动的知识库。然后他说："帮我看看这四年我学了什么。"

意动扫描了他的全部资料，分析了其中涉及的知识领域，梳理出了知识结构：史料学基础（古代文献阅读、考古材料分析）→ 断代史（先秦至明清通史、专题选修课）→ 专题研究（地方志与区域社会史、中外文化交流史）→ 学术写作（学年论文、毕业论文）。

然后它生成了一份《个人知识资产报告》。报告中指出他对宋元明时期的区域社会史掌握最深入，尤其是地方志材料的运用能力明显强于其他方面；但在史学理论和方法论层面的阅读量偏少，建议在研究生阶段重点补充。

小孙把报告拿给导师看。导师说"你的自我认知挺清晰的"，给他推荐了几本史学理论的入门书。他把这份报告附在了研究生申请材料里。

他得到的不是一个聊天总结。他得到了对自己四年知识积累的客观审视。

场景五：新手上路

老李觉得以这种低效的方式阅读文档是不能接受的。 他把入职至今收到的几十份文档全部上传到了意动的知识库。然后他说："帮我梳理一下这些文档，我想知道这个项目大概在做什么，我接下来该看什么。"

意动扫描了所有文件——产品手册、接口规范、历史方案、会议纪要、架构设计文档。它从这些文件中提炼出了核心概念和业务流程，并生成了一份《业务上手指南》。

老李用半天时间看完了这份指南。他第一次完整地理解了这个项目是做什么的、它分哪几个模块、模块之间怎么交互、他接下来要做的需求在整个系统里处在什么位置。

他记住了里面的一句话："优先阅读接口规范和架构设计文档；遇到不清楚的概念，先看产品手册中的名词解释；历史方案文档阅读优先级最低，可放在最后参考。"

他得到的不是一个 AI 对文档的摘要。他得到了一份作为新员工真正需要的阅读路径。

场景六：记笔记

小林在整理报表的时候突然想到一个想法。 她注意到销售表和运营表里，同一个客户名称有时候写成全称、有时候写成简称，导致手工核对的时候经常对不上。她想到可以建一个标准化的客户名称对照表，以后所有部门统一使用。

她不希望忘记这个想法，但也不想为此写一篇文档。她打开意动，说了一句话："建一个客户名称对照表，销售表和运营表里的客户名称写得不一致，每次都害我对半天。"

意动把这句话整理成了一条结构化笔记：记录了核心想法、触发场景、建议的下一步。保存到了知识库中。

月底复盘的时候，她翻出了这条笔记。她觉得这个想法值得推进，于是在意动里展开了进一步的讨论。

她不是在记录信息。她是在积累自己的思考。

看完这些场景，你可能已经感受到意动和普通 AI 工具有什么不同。但你可能还想问：它为什么能做到这些？下一章回答这个问题。

第四章 为什么它靠谱？

前面展示了意动能做什么。这一章解释它为什么能做到这些。

我们不打算讲技术细节，因为那不是你看白皮书的目的。我们用一个你熟悉的概念来解释：专业团队怎么工作，意动就怎么工作。

一切建立在你的知识库之上

意动和普通 AI 工具最根本的区别，在于它不是在一个"空白对话框"里工作。它工作在你的知识库之上。

你把项目文件夹拖到意动里——课件、报告、方案、笔记——这些文件自动成为 AI 的上下文基础。当你说"帮我拆解这份作业"，AI 会自动读取你引用的文档内容，不需要你手动复制粘贴。当 AI 产出一份路线图或方案，这份成果会自动保存回你的知识库，成为你积累的知识资产，未来可以随时被检索和引用。

你的知识库是活的——它会随着你的使用不断增长。每一次使用意动，都在扩展 AI 对你的认识。

像专业团队一样协作

你去一家建筑设计院画一张图。设计师画图，结构工程师算承重，审核人签字——每个人在自己的专业领域把关。最终拿到的图纸，不是一个人随便画的，是多个角色协作、交叉验证的产物。

意动的工作方式是同样的逻辑。你说"帮我拆解这个作业"，背后是多个专业角色在协作——有的负责和你沟通需求，有的负责分析路径和拆解步骤，有的负责检查最终产出的质量。你不会感知到它们的存在——你只感觉到一个人在帮你做事。但实际上，你得到的每一份产出，都经过了不止一个人的审视。

像施工图纸一样按步骤

一个施工单位不会拿了方案就直接动工。图纸上标得清清楚楚：第一步地基、第二步结构、第三步管线。每一步有明确的验收标准——验收不通过，不能进入下一步。

意动的每一个技能都遵循同样的逻辑。"拆作业"这个技能分为四个步骤：第一步追问澄清——把你模糊的想法变成清晰的约束；第二步约束与路径分析——识别关键路径和风险点；第三步生成方案——按标准模板输出路线图；第四步写入文件——把你的成果保存为结构化文档。每个步骤都有明确的准入条件和准出标准。不会因为换了不同的人、问了不同的问题而跳过关键步骤，也不会因为 AI"觉得差不多"就交出半成品。

像老搭档一样懂你

你和一个同事合作久了，不需要每次都从头解释自己的习惯——"上次我们说好的""你知道我同学是用 Python 的吧"。他记得。

意动也是这样。用得越多，它越了解你的常用工具、语言偏好和工作习惯。已经确认过的信息，通常不会反复追问。它对你的了解，会随着使用越来越深入。

你不需要知道这些机制。你只需要知道：你得到的每一份产出，背后都是你的知识库、一套完整的流程、一个专业的团队、和一份对你的了解在支撑。

第五章 我的数据安全吗？

意动是一个桌面应用。所有项目文档、知识库、对话记录、用户画像——全部存储在你的电脑上。意动不会主动上传这些数据到任何外部服务器或云端存储。

AI 调用时发生了什么：意动目前使用云端的 DeepSeek API 来提供 AI 推理能力。当你使用 AI 功能（比如拆作业、做方案）时，意动会将必要的上下文——你引用的文档内容、你的对话历史——发送给 DeepSeek，以获得推理结果。这是所有调用云端大模型的 AI 产品都需要做的事情。DeepSeek 的隐私政策明确承诺：API 调用数据不会被用于模型训练。

V0.9 公测版已支持使用你自己的 API Key——你可以选择任何遵守隐私承诺的模型服务商，自行控制数据流向。但这仍然不能完全消除数据经过第三方服务器的情况。只有本地模型部署方案才能实现数据完全不出你的电脑——这已在后续版本规划中。 届时，你可以选择使用下载到本地的模型，所有的 AI 推理都在你自己的电脑上完成，任何数据都不需要离开你的设备。

卸载时，意动会询问你是否保留自己的数据。你说保留，它们就留在你的电脑里，任何时候重新安装意动都可以继续使用。你说不保留，它们就被彻底清除。

第六章 怎么开始？

首次体验：打开意动，告诉它你的身份和需求。首次使用时可选择学生或职场人身份——意动会根据你的身份匹配不同的引导方式和产出模板。然后它会引导你一步步完成。不需要培训，不需要学习——你只需要回答它问你的问题，剩下的交给它。

下载安装：意动采用桌面应用形态，在官网 mindflowtools.cn 下载安装包，双击安装即可。支持 Windows 和 macOS。

免费开始：知识中心的所有功能完全免费。你可以无限制地使用拆作业、做方案、项目分析、知识盘点、新手上路、记笔记等全部技能。没有用量限制，没有隐藏收费。

高级功能：角色中心（多角色协作）、协作中心（自动化流程）按月/年订阅收费。企业客户可以根据自身需求定制专属的行业知识库。具体价格请参考官网或产品内的订阅页面。

不需要培训，不需要技术术语。 每个页面的默认状态都面向"最不熟悉技术的用户"。如果在任何页面上你看到了不理解的内容——那说明我们做得还不够好。这是产品开发的纪律，也是我们对用户的承诺。

意随心动，文随意转，开发如水到渠成。

这件事情，正在发生。

本白皮书由易扬智创编制，版本 V1.0，2026年5月。