AI对话基础平台能力分析——记忆、提示、笔记与阅读视图

访问DeepWrite

排版设置

在这里统一调整字体、字号、目录停靠位置和正文显示方式，不挤占右上角工具条。

字体

字号

目录层级

目录停靠位置

决定目录固定在左侧还是右侧，方便按手势习惯或演示场景调整。

正文显示方式

决定正文是否保留独立阅读卡片背景；关闭后正文会更贴近整页背景。

中文长文先试中文经典；英文长文先试 English Essay。目录默认显示到 H2，可按需要扩到 H4；目录位置和正文显示方式也可以在这里统一调整。

朗读菜单

直接在 HTML 页面内朗读，下载文件和独立分享页都可使用。这里只保留最少功能。

当前状态：未开始

语音

语速 0.82x

高亮级别

浏览器支持时会记住上次朗读位置。

全屏专注式阅读说明

这页优先保留鼠标与触摸操作，让阅读、选词、点击链接和查看目录互不打扰。

单击正文空白区：同时显示或隐藏主题区和目录。
开始滚动正文：自动进入专注态，减少阅读时的视觉干扰。
双击正文空白区：进入或退出全屏专注式阅读状态。
全屏专注时，按 Esc 或点击“退出全屏专注”：退出全屏。

AI对话基础平台能力分析——记忆、提示、笔记与阅读视图

一、前言：专题对话之外，DeepWrite的AI对话还有什么

上一份分析文档讲的是14个专题对话——它们构成了DeepWrite AI对话的"上层建筑"。但在这之下，有一套基础平台能力在支撑每一个专题、每一轮对话。

这些能力在一般性AI聊天工具（ChatGPT、Claude会话界面）中要么不存在、要么分散在各处难以综合使用。而DeepWrite把它们集成到了同一个对话工作台中。

这些基础能力包括六个方面：

四层记忆体系——从会话内到跨会话，从短期到长期。
提示词管理系统——编号、标签、插入模式，可管理的提示词资产。
笔记属性体系——自动分类、人工标注、frontmatter持久化。
Markdown格式约定——强制性的输出格式规范。
目录与会话导航——从AI回答中自动提取结构。
专注阅读视图——将对话作为文章重新审视。

二、四层记忆体系——让AI"记住"该记住的

DeepWrite的AI对话不是每一次都从零开始。它建立了一套四层记忆架构，让AI拥有跨轮次、跨会话的持续认知。

2.1 运行记忆（Running Memory）——"这个会话里发生了什么"

位置：src/lib/chat-room/memory-recall/running-memory.ts

运行记忆是"长期有效的短期记忆"。每个会话独立一份，不主动清空，只做覆盖式更新。当消息自上次更新起新增≥2条时，AI在后台自动提炼当前会话的状态。

提炼内容分为四类：

当前会话仍生效的偏好与约束
当前任务状态
已确定的决定
待跟进事项

硬上限1800字符。用户可手动触发"重新提炼"或"恢复上一版"。

设计价值：传统的AI对话每一轮独立。DeepWrite的AI知道"我们在讨论什么、讨论到哪了、已经决定了什么"。这对复杂任务（写作审稿、项目规划、学习讨论）至关重要——你不会因为聊了30轮就失去上下文。

2.2 长期记忆（Long-Term Memory）——"跨会话一直有效的"

位置：src/lib/chat-room/session-store/long-term-memory-repo.ts（存储）、src/lib/chat-room/memory-recall/long-term.ts（召回）

长期记忆跨所有会话生效，存储在浏览器IndexedDB中。字段包括：

content：记忆内容
tag：可选标签
importance：1=普通 / 2=重要 / 3=关键

召回策略支持两种模式：

v01全量召回：按重要性×最近性排序，控制在1500 token预算内注入system prompt。
v02按需召回（默认）：仅在命中触发词、持续对话、或用户明确提到"我的长期记忆"时才召回。使用关键词重叠评分最多选3条最相关记忆。

设计价值：这是一套"AI原生的个人知识管理系统"。不是独立的笔记应用，而是直接参与AI对话的系统记忆。用户告诉AI一次"我不喜欢太长的段落"→存入长期记忆→之后所有会话AI都知道。

2.3 历史压缩摘要（Compressed Summary）——"之前聊过的太多，帮我压缩一下"

用户可手动触发AI将当前会话的早期历史压缩为一段摘要。摘要存储在session的compressedSummary字段，替代被压缩的原始消息。支持"重新生成"和"恢复上一版"。

设计价值：长对话的token消耗会线性增长。摘要压缩让对话可以持续数百轮而不耗尽上下文窗口——同时又保留了对早期对话的概要认知。

2.4 专题对话上下文（Specialized Memory）——"这个专题的固定认知"

承载特定讨论任务的目标、标准、边界和方法论。在每一轮发送中稳定注入，不会像历史消息那样被摘要掉。存储在session的specializedMemory字段。

设计价值：比如在一个写作审稿专题中，"审稿标准"是一个固定上下文——不管是第1轮还是第50轮，AI都记得审稿要检查哪些维度。这是"任务连续性"的底层保障。

2.5 统一记忆管理界面

ChatRoomMemoryDrawer将四层记忆整合为一个抽屉面板，四个Tab切换："本会话""历史压缩""专题对话""长期记忆"。用户在同一个界面查看和操作所有记忆。

三、提示词管理系统——可编号、可分类、可复用的提示词资产

3.1 核心理念

DeepWrite对提示词的态度不是"每次手写"，而是"建立一套可管理的提示词资产"。每个提示词有编号、标签、正文、插入模式，分组排序，随时调用。

3.2 存储结构

位置：src/lib/chat-room/prompt-runtime/prompt-repo.ts

存储在IndexedDB中，字段包括：

serialNumber：唯一编号（按编号升序排列）
title：标题
body：正文（支持{{input}}占位符）
tags：标签分类
routeAliases：短别名（如-润色，在输入框中直接输入触发）
pinned：是否置顶
insertMode：replace（替换输入框）/ append（追加到末尾）/ prepend（插入到开头）

3.3 使用方式

快捷选择器（ChatRoomPromptPicker）：输入框上方展示前8条提示词，一键选择注入。
完整管理器（ChatRoomPromptManager）：左侧列表+右侧编辑区的双栏布局。支持新建、编辑、删除、使用、按标签/专题过滤。
导入/导出：JSON交换格式，可在设备间迁移。
同步：自动同步到本地MD镜像目录，保持提示词资产的持久化。
使用统计：自动记录每个提示词的使用次数和最后使用时间。

设计价值：提示词管理让"写提示词"从每次手写变成了一次性投资。一个精心打磨的"文章润色"提示词，编上号，标上标签，每次要用时点一下。这和"每次重新想一个"是完全不同的效率。

四、笔记属性体系——AI对话的产物，自带元数据

4.1 自动属性抽取

位置：src/lib/chat-room/note-attributes/extract.ts

用户保存一段AI对话为文档时，系统自动分析内容并抽取笔记属性：

category：思考/方法/复盘/技术/提问/记录（基于关键词匹配）
type：tech/qa/summary/note（基于内容形态判断：含代码块→tech，以问号开头→qa，≥3段引用→summary）
maturity：draft/working/stable
tags：类别+高频关键词
focusTopics：标题词+正文高频词

自动抽取的字段有_autoFields标记，UI中用角标区分"机器猜的"和"人标的"。importance字段永远不会自动设定，只接受人工标记。

4.2 人工标注

位置：src/components/chat-room/NoteAttributesDialog.tsx

在保存对话前，用户可以打开笔记属性对话框，手动修改自动抽取的分类、标签、成熟度，并设定重要性级别。支持三种范围：单条消息、整页对话、选中段落。

4.3 Frontmatter 持久化

保存为MD文档时，笔记属性以YAML frontmatter的形式写入文件头。这意味着：

保存下来的对话不仅是"一段聊天记录"，而是一份带有完整元数据的正式文档。
在DeepWrite的文档系统中，它能被按标签筛选、按重要性排序、按成熟度管理。

设计价值：普通的AI聊天，聊完就过去了。DeepWrite的AI对话，聊完可以变成一篇结构化文档，自带分类、标签和重要性评级——它进入了知识管理系统。

五、Markdown格式约定——AI必须以结构化方式回复

5.1 强制输出格式

位置：src/lib/chat-room/engine/request-payload.ts（OUTPUT_FORMAT_GUIDE）

每轮请求的system prompt最前面注入"输出格式约定"，包含10条规则：

必须以一级标题开头
结构标题使用二三四级标题
Markdown专业、清楚、克制
概念术语用斜体轻强调
名人金句用引用块
对比/维度分析用表格
过程步骤用箭头链（A→B→C），复杂时可用Mermaid代码块
层次清晰、专业化、美观
人文/哲学讨论适当展开深入
用户明确要求特殊格式时以用户要求为准

5.2 为什么格式约定是平台能力而非"锦上添花"

可导航性：AI的回复天然有层级标题，目录系统才能生效。
可保存性：带格式的回复保存为MD文档后，可以直接被DeepWrite的专注式阅读和PPT模式识别。
可批注性：结构化的回复里，用户可以在特定章节下选中文字、做阅读笔记。
可对比性：同一次对话中多轮AI回复的结构一致性，让用户能对比不同版本的内容质量。

设计价值：大多数AI聊天工具的格式是"不保证"的。DeepWrite把它从"不保证"变成了"约定"。这不是为了让聊天更好看，而是为了让聊天产物能进入后续的工作流——保存、批注、对比、复用。

六、目录与会话导航——把聊天当作文章来浏览

位置：src/components/chat-room/ChatRoomToc.tsx

ChatRoomToc从当前会话中所有AI回答的h1-h4标题自动生成目录。按层级缩进显示，点击跳转到对应位置。

使用场景：

一次写作专题对话中，AI生成了一万字的审稿意见和修改建议。用户通过目录快速跳到"第三章修改建议"。
一次学习专题对话中，AI输出了完整的学习地图。用户通过目录回顾各个知识模块。

设计价值：长对话最怕的就是"聊了很多，但想回去找某个点找不到"。目录让AI对话有了和文章一样的浏览体验。它把"聊天记录"变成了"可导航的文档"。

七、专注阅读视图——把对话当作文章来阅读

位置：src/components/chat-room/ChatRoomReaderPage.tsx

用户可以在AI对话中，打开一个独立的"专注阅读"页面。这个页面将对话消息拼成连贯的Markdown文本（用户消息转为引用块，AI消息正常渲染），然后用专注式阅读引擎渲染为干净的HTML页面——包含主题切换、目录、字号调节。

支持两种模式：

整页阅读：整个会话作为一篇文章（?session=<id>）
单条阅读：只看某一条AI回答（?session=<id>&msg=<msgId>）

使用场景：

一次写作专题对话后，用户打开专注阅读视图从头看一遍。主题切换到浅色暖棕，字号放大。
用户只想回顾AI给出的"第三章修改建议"这一条回答，点单条阅读。干净页面，没有聊天UI的干扰。

设计价值：这是DeepWrite的AI对话和普通聊天工具最明显的体验差异之一。在ChatGPT里，你看的是聊天窗口。在DeepWrite里，你切到专注阅读，看的是"一篇文章"。这个切换不仅是界面的变化，更是心态的变化——从"对话"到"阅读"，从"快速消费"到"深度消化"。

八、使用场景串讲——基础能力如何配合工作

场景一：一次完整的写作过程

用户打开"写作专题"，告诉AI要写一篇行业分析报告。
AI按Markdown格式约定输出结构化的写作方案。
用户通过目录快速跳转到"数据收集建议"章节。
对话中AI询问用户的写作风格偏好，用户回答后，运行记忆自动记录"偏好：精炼、数据驱动"。
用户保存了AI给出的报告大纲，笔记属性自动标注category=写作、type=tech、tags=行业分析/报告。
三天后用户继续同一会话：运行记忆仍在，AI记得上次的写作偏好和大纲结构。历史压缩摘要让150轮的对话被压缩到2000字的概要中。
写完报告后，用户打开专注阅读视图，从头通读一遍。

场景二：建立长期知识资产

用户在多次会话中反复使用同一个写作风格偏好——"不要用被动语态，段落不超过5行"。
用户将这条偏好提升为长期记忆，设为importance=3（关键）。
以后所有新会话中，AI都知道这个偏好——不需要每次重申。

场景三：提示词资产管理

用户为"文章润色"打磨了一套提示词，编号1001，标签"写作/润色"。
用户在写作专题中，输入框中输入-润色→系统自动调出该提示词→用户修改占位文本后发送。
提示词管理器显示"文章润色"已被使用23次，最后使用时间今天。

九、价值总结

9.1 与"普通AI聊天工具"的本质差异

维度	普通AI聊天	DeepWrite AI对话
记忆	仅靠上下文窗口	四层记忆体系（运行/压缩/专题/长期）
提示词	每次手写	编号、分类、标签、可复用
格式	不保证	Markdown格式约定强制
导航	滚动找	自动目录+点击跳转
产物	聊天记录	带frontmatter元数据的正式文档
阅读	聊天窗口	专注阅读视图（主题+目录+字号）
跨会话	无	长期记忆+提示词资产+历史对话库

9.2 三个核心价值

持续性：AI不是每次对话都"失忆"。运行记忆让同一会话内的AI保持任务连贯，长期记忆让跨会话的AI保持着你的偏好和重要信息。
资产化：提示词可管理，对话可保存为标注好的文档，两次对话之间的知识不会丢失。聊完不是终点，而是知识资产的起点。
深度化：目录、专注阅读视图、格式约定——这些能力共同作用的结果是，用户不只是在"问AI问题"，而是在"用AI进行深度思考和创作"。聊天窗口变成了工作台。

十、相关文档

AI对话功能模块全景分析（14个专题对话的全景）
专注式阅读功能模块全景分析（专注阅读引擎）
文章的AI对话分析（待撰写）
项目的AI对话分析（待撰写）