你好，我是方可乐。
一个正在深耕AI编程的30+的程序员。
我用AI编程开发过100+小工具的在线网站（目标是干到500个），浏览器插件，微信小程序，AI智能体。
本文将为你介绍，我近期用AI编程开发，最满意的作品 ———— 思维流动 MindFlow
为什么会有这个产品
一直以来，我有一个痛点，市面上常见的工具，一直没法满足。
当我在思考问题的时候，我希望能够一直沿着思路，琢磨下去，当遇到哪些卡点时，希望AI能够及时，帮我打通。然后继续根据不同的方向，细化，扩展，深挖问题，直到我找到最终答案。
有同学可能有疑问，思考的话，用思维导图不就很合适嘛。
思维导图确实适合思考，但是它无法针对我的卡点给我单独提供帮助，并且在解决卡点问题的时候，思维导图的表现形式，并不是最优解。因为问题或者答案的文字一旦多了起来，思维导图的可读性就会变得很差。
好在，借助AI编程，我顺利地实现了这个产品，它能够真正解决我的问题。
如何开始使用
登录成功进入主页后，就是自己的项目空间，可以在这里创建自己的想要探索的项目。
举个例子，我们来深入探索一下AI编程这件事。
点击新建的项目卡片，可以看到【查看】、【编辑】、【设置】、【导出】、【删除】这些操作。
我们刚开始探索，当然是选择【编辑】功能。
点击编辑后，将会进入一个全新的页面——思维画布。
思维画布就是这个应用的核心功能了。
核心功能
先看画布主界面，默认初始化会产生一个蓝色的问题卡片，我们可以将它改成我们的第一个问题。
然后基于这个问题，继续深入讨论。
眼尖的同学可能会会发现，顶部有三个颜色卡片的介绍：
蓝色=问题卡片，用于生成问题节点
绿色=回答卡片，用于生成回答节点
黄色=笔记卡片，用于生成笔记节点
这样说可能第一次玩还不太清楚，我们继续探索玩法。
问题节点怎么用？
当我们选择编辑问题节点之后，输入我们的问题和补充信息。
但是有时候提问题，可能没什么头绪，或者觉得问题提的不够好。
就可以选择【优化】功能，让AI来进行补充。
问题优化有两种方式：
- 让问题更加详细
- 把比较“大”的问题，拆成几个小问题。
下面我们来看看效果。
问题优化
问题优化后，会增加更多的信息，让问题内容更加丰富详细。
点击【应用到问题框】，就可以看到，直接把优化后的问题覆盖过去了。
问题拆解
问题拆解后，会基于我们的初始问题，拆解成多个子问题。
同样的，我们可以一键【应用到问题框】
当问题框的问题，包含了多个问题的时候。可以看到会出现一个【生成多个问题节点】的按钮。
如果我们想让这些问题，AI一次性回答完，就直接点击下面的询问AI
问题太多，回答也很长。
如果非必要的情况，我觉得还是拆分成多个问题节点，挨个回答合适。
可以看到，我们确认拆分以后，就会变成多个问题节点。那我们就根据每个小问题，来继续探索。
回答节点怎么用？
AI给出的答案，我们可以觉得没太大问题，可以点击保存，这样子就会自动生成回答节点，并且把AI的答案带过去。
自动生成的回答节点，和相关联的问题，是链接在一起的。
AI给的答案如果不满意，或者需要完善，可以点击编辑按钮，继续编辑回答内容。
那可不可以自己根据问题，手动创建回答节点，无需经过AI回答呢？
答案是可以的。
直接点击问题节点的+号，就能够创建新的节点，类型可以自由选择：问题/回答/笔记
我们自己新建一个回答节点，并且自己回答原来的问题。
回答问题后发现，我又有更多的疑问，于是我们就可以继续深挖，提出更多问题，并且继续回答。
这就是【思维流动】这个应用的核心用法了：对要探索的内容，不断寻根问题，不断深挖，直到自己没有疑问。
笔记节点怎么用？
在我们需要对回答或者问题进行一些信息补充的时候，我觉得使用【笔记节点】是比较合适的选择。
不同于回答节点，它的作用仅限于：信息补充，可能是问题背景资料，可能是回答的相关延伸等等。
最后，来看看我进行第一轮探索的结果。
可以看到，基于原本的第一个问题【AI编程如何入门】，我们在AI的帮助下，细化了这个问题，并且分开进行了回答和深入探索。
这就是这个应用的意义——深挖、探索结果。
对比过往产品，它有什么优势？
-
它和思维导图不同的是，它完全采用纵向结果，并且每个问题，都支持AI辅助发散、深化和解答。
-
和普通流程图不同的是，它的连线完全基于智能算法，直接采用两个距离最近的点连接，不需要自己费心思去调整乱七八糟的连线。要的，就是快速，高效，美观。
-
和大模型直接对话讨论不同的是，它是一张画布，适合我们一览全景：基于我们要探索的话题，我们有哪些疑问，是否每个疑问都已经探索到底。这是非常直观的。如果我们和大模型探索话题，可能在探索的过程中，因为历史过长，忘了我们之前聊过什么东西，有没有遗漏什么重要的点忘了问。
可以上线吗？
目前这个版本，我觉得已经非常接近可以发布的1.0版本了。
因为从核心功能的实现上看，它已经能够完全满足。
但是距离上线，它还差这些必要方面：
-
目前用的是python自带的SQLite数据库，本地自己使用可以，但是作为上线的产品，需要切换成生产级别的数据库。
-
高并发处理。目前虽然有进行一些异步处理，但是因为用户一多，调用大模型就容易撞车或者堵车，需要进行高并发的优化。
-
注册机制。当前因为自己使用，所以用的是简单的用户名注册。如果开发给用户使用，则要采取手机号验证码的方式，支持进行注册、登录、找回密码等常规操作。防止被无限注册薅羊毛。
后续功能迭代&优化方向
- 管理后台
这是一个面向C端的产品，所以有一个管理后台会方便很多。
一方面用来管理用户注册和使用情况，另一方面，也需要统计大模型Token的使用情况。
- 多个大模型支持
目前接入的大模型，是调用了qwen3。后续可以考虑接入更多的大模型，支持用户自由切换。
甚至不同类型的问题，支持切换不同的大模型，直到找到自己满意的答案。
- 积分和付费机制
作为一个新产品，可以考虑在用户注册/签到/邀新的时候，送一些积分。
当积分不满足用户使用频次时，通过付费订阅或者充值积分的方式，获取AI思考次数。（核心功能调用大模型的API会产生比较多的开销，不可能一直为爱发电）
至于什么时候开源，我还没想好。
感兴趣的同学，可以找我聊聊。 微信号：ThinkFun666
