AI 在 Muses 里的角色
AI 更适合作为整理助手、回顾助手和线索发现助手，而不是直接替代用户做判断。它适合处理大段内容、重复整理动作和跨笔记线索提取。
典型场景包括：
- 给长笔记生成标题、摘要和关键词。
- 从会议记录和转写结果里提取 Todo。
- 找到与当前笔记相似的内容。
- 对某个空间给出整理建议。
- 在 Task Space 中生成一个可执行的下一步。
- 围绕本地知识库回答问题。
云端 AI、自定义 API Key 与本地 AI
Muses 可以按设置使用不同 AI 模式。云端 AI 适合通用对话、复杂推理和无需本地模型准备的场景。自定义 API Key 适合使用个人模型账号或指定 OpenAI-compatible 服务。本地 AI 适合隐私敏感、离线或需要减少外部依赖的场景。
选择方式可以简单理解为：
- 需要效果和省心：优先云端 AI。
- 需要使用自己的模型供应商：配置自定义 API Key。
- 需要本地处理或离线：准备本地模型。
涉及敏感内容时，应先确认当前功能是否会调用外部服务，以及是否能切换到本地处理。
这里有一个重要区别：使用用户自己的 API Key 时，通常应理解为客户端直接连接用户选择的模型服务；平台提供的模型能力才更适合通过后端代理隐藏平台 Key。具体入口是否支持直连或代理，应以应用内设置说明为准。
本地 AI 与本地知识库
本地 AI 适合对隐私敏感、希望降低外部依赖或需要离线工作的场景。本地知识库能力则让更多处理动作可以围绕本地内容完成，而不必全部依赖远端服务。
本地 AI 能力通常依赖模型下载、安装状态检查和设备性能。首次使用前，需要先在模型设置中准备对应模型。对话模型、嵌入模型和 ASR 模型承担的职责不同，不要把它们理解为一个统一开关。
建议按顺序准备本地能力：
- 先确认设备性能和可用磁盘空间。
- 下载需要的 ASR、嵌入或对话模型。
- 等待模型状态显示可用。
- 先用一条普通笔记或短音频测试。
- 再处理敏感或大型内容。
不要在模型还没有准备完成时，把搜索、知识分析或本地问答效果当作最终结果。
向量化技术与检索基础
向量化技术适合把笔记内容转化为可比较的语义表示，从而支持相似内容发现、语义搜索和上下文召回。用户不一定需要理解底层实现，但理解它的用途很重要。
关键词搜索回答「有没有这个词」，向量检索回答「意思是否接近」。两者结合后，既能找到精确匹配，也能找回表达不同但主题相近的材料。
本地对话模型
本地对话模型适合在本地环境内完成问答、摘要、整理和草稿生成。与云端模型相比，它通常更强调隐私、自主控制和环境可控。
本地对话模型也有局限：设备性能会影响速度，模型大小会影响效果，首次加载可能需要等待。适合把它用于敏感内容、稳定模板任务和离线场景，而不是期待所有复杂推理都优于云端模型。
本地 ASR 与音视频转写
ASR 模型用于把语音和音视频内容转成文本。已安装本地 ASR 模型时，部分本地文件可以在客户端完成转写。没有本地模型、格式不支持或选择云端模式时，任务会走云端转写。
转写只是开始。转写后的长文本更适合继续交给 AI 做摘要、提取行动项、拆子卡和生成标题。
如果本地 ASR 不可用，常见原因包括模型未下载、格式不支持、设备性能不足或任务还在后台准备。此时可以先保存原始音视频，等待任务完成，再继续摘要和整理。
知识库构建
知识库构建的核心不是把所有内容堆在一起，而是让内容之间逐步形成可检索、可比较、可回顾的结构。空间、标签、子卡、向量索引和知识图谱关系都会参与其中。
一个健康的知识库通常包含：
- 有来源的原始材料。
- 可读的标题和摘要。
- 稳定的空间和少量关键标签。
- 从长内容拆出的子卡。
- 可以被搜索和相似匹配召回的文本。
- 定期回顾后形成的总结卡和行动。
知识库不是一个需要手动开启后才有价值的单独文件夹。只要持续记录、补标题、加少量标签、拆子卡、回顾和搜索，知识库质量就会逐步提高。
AI 与发现能力的关系
很多用户最先感知到的 AI 结果，不一定是摘要，而是重新发现内容的能力，例如相似笔记推荐、笔记洞察、混合搜索召回和知识图谱中的潜在关系提示。
发现能力的价值在于找回「写过但忘了」「表达不一样但其实相关」「散落在不同空间但应该比较」的内容。这类能力依赖持续积累，越长期使用，越容易显现价值。
知识图谱、相似笔记与笔记洞察
知识图谱用于呈现内容之间的关系，相似笔记用于找出语义接近的材料，笔记洞察用于提示主题变化和可继续处理的方向。它们都不是一次性生成的最终答案，而是帮助重新进入知识库的入口。
如果某些洞察入口在当前版本中显示为准备中、实验性或未完全开放，应以应用内实际状态为准。
推荐的 AI 用法
- 对长笔记做摘要。
- 对会议记录提取待办和观点。
- 用本地 AI 处理敏感内容。
- 让本地对话模型围绕当前知识库回答问题。
- 在知识库构建过程中做主题归纳和结构建议。
- 结合混合搜索、相似笔记和笔记洞察，重新发现已经积累但暂时没有打开的内容。
第一次使用 AI 时，建议选择一条自己熟悉的笔记。这样更容易判断摘要、关键词、Todo 和相似笔记是否可信。
使用边界
- AI 生成内容需要人工确认，尤其是任务时间、空间归属和标签调整。
- 本地 AI 需要模型准备和设备性能支持。
- 自定义 API Key 可能直接连接第三方模型服务，需要自行确认服务条款和数据处理方式。
- 云端 AI 更适合复杂任务，但隐私敏感内容应先确认设置。
- 知识库问答的质量取决于已有内容、索引状态和上下文选择。