智能整理工作台用于处理收集箱里的未分类内容。它的目标不是替人决定知识结构，而是给出可以检查的归档和标签建议，帮助把临时保存的材料放回合适位置。
当前版本的重点是收集箱整理。长文拆分属于高影响操作，应用内服务已明确标记为暂未开放，相关说明以实际入口提示为准。
适合什么时候使用
智能整理适合这些场景：
- 收集箱里积累了很多语音、网页剪藏、图片识别或导入文件。
- 已经大致建立空间和标签，但新内容还没来得及归位。
- 每周回顾时，希望快速看一遍最近未整理材料。
- 不想逐条翻收集箱，但又不希望 AI 直接改动结构。
如果收集箱只有几条内容，手动处理通常更快。
智能整理如何工作
智能整理会根据收集箱内容、已有空间、标签结构和本地语义分析结果生成建议。建议通常包括：
- 某条笔记适合移动到哪个空间。
- 是否建议补充已有标签。
- 建议依据来自哪些标题、正文关键词或相似内容。
建议只会作为候选项展示。只有手动勾选并确认后，才会移动空间或补标签。
如何进入
常见入口包括：
- 打开「收集箱」页面后，点击顶部工具栏中的「整理收集箱」或「智能整理」入口。
- 在桌面端侧边栏中对收集箱打开菜单，选择智能整理入口。
- 从工作台或空间页进入整理相关入口时，当前版本仍以收集箱内容为主要处理对象。
如果入口不可见，先检查当前平台、版本、会员权益和本地 AI 模型状态。
核心整理动作
- 空间归档建议：把收集箱里的内容建议移动到更合适的空间。
- 标签建议：为未打标签或标签较少的内容推荐已有标签。
- 建议解释：展示为什么给出这个建议，方便判断是否采纳。
- 人工确认：可以逐条勾选、取消勾选，再统一应用。
回顾方式
Muses Review Engine
3天前记下 · 知识卡1 / 4
FSRS 记忆算法的核心公式
S(t) = S * ln(1 + t/d) ... 该公式预测了下一次复习的最佳间隔时间，通过反馈不断拟合当前用户的记忆稳定性。
随机漫步 · 语义线索2 / 4
双向链接的原理
双向链接不是树状层级，而是网状图谱。它帮助我们通过联想在节点之间自由跳跃，让旧笔记在新上下文中重新浮现。
卡片盒笔记法图数据库应用网络图谱与树状大纲
学习卡片 · Q&A3 / 4
什么是 FSRS 算法中的安定度？
安定度 (Stability) 表示记忆保留概率在 90% 时对应的最佳复习间隔天数。安定度数值越大，遗忘速率越慢。
AI 周期报告 · 8月18 - 24日4 / 4
W34 智能心智周报
本周新增 42 条闪念。你对 Bento 布局与设计重组投入了主要注意力，系统已提炼核心认知主线。
线索1: Bento 局部 UI 的高级感来源
线索2: Ebbinghaus 在本地 RAG 上的间隔选材策略
长文拆分状态
长文拆分会改变卡片结构，影响父卡、子卡和后续搜索结果。当前版本该能力暂未开放，不建议把它写成稳定用户入口。
如果一篇笔记已经过长，可以先用手动方式处理：
- 补清楚标题和一级小标题。
- 把独立主题手动新建为卡片或子卡。
- 在原文保留链接或简短说明。
- 后续版本开放长文拆分后，再根据入口提示使用。
与知识分析配合
智能整理处理「内容应该放哪里」，知识分析帮助观察「最近内容在变成什么结构」。两者可以这样配合：
- 每周先处理收集箱，减少未分类内容。
- 再打开知识分析，看最近新增主题、活跃空间和高频标签。
- 如果某个空间持续增长但没有稳定标签，说明需要补一组主题标签。
- 如果某个标签下出现大量相似笔记，可以考虑建立索引卡或合并相关材料。
使用时保持克制
智能整理适合减少重复判断，但不适合一次性重排全部知识库。建议每次只处理一个明确范围，例如最近 7 天或 30 天的收集箱内容。
遇到不确定的建议，可以先不采纳。Muses 的长期结构应该随着真实使用慢慢长出来，而不是一次整理到位。