夜雨聆风现在的通用 AI 已经很强了。
写作、翻译、总结、改代码、分析文件、生成图表，很多事情都能帮上忙。对大多数人来说，AI 聊天已经变成了一个随手可用的助手。
但我在自己长期使用 AI 的过程中，慢慢发现一个问题：
AI 很会回答问题，但很多工具还不太像一个真正的“工作台”。
比如你上周让 AI 分析了一份 Excel，筛选出某类数据，生成了一张图。今天你想继续追问：
“上次那份数据，能不能再按月份拆一下？”
这时问题来了：
上次的 Excel 放在哪？AI 当时用了什么筛选条件？生成的图表还在吗？那次对话还能接着用吗？如果换一个模型，能不能继续这个任务？
很多时候，答案是：重新上传文件，重新描述需求，从头再来。
这不是 AI 不够聪明，而是“聊天”和“工作”之间还有一段距离。
聊天是即时的。工作是连续的、可追溯的、能积累的。
过去这段时间，我一直在做一个工具，想把这个距离缩短一点。它叫 Nexus。
一句话介绍：
Nexus 是一个面向科研、学习和资料处理场景的 AI 工作台，把主对话、文件工作区、知识库、沙箱、学术搜索、计划管理和多模型接入放到同一个工作流里。
它不是想取代通用 AI 聊天。
相反，它更像是在通用 AI 之上，补上“文件、上下文、工具、知识沉淀和任务连续性”这些工作场景里真正需要的东西。
1. 不只是聊天，而是一个可以留下痕迹的工作区
很多 AI 工具都支持上传文件，但文件常常只是当前对话里的临时附件。
Nexus 里，我更希望文件成为“工作过程”的一部分。
你可以在主聊天里上传 Excel、PDF、CSV等文件。AI 在处理过程中生成的新文件，比如图表、代码、翻译结果、报告、分析文件，也会出现在当前会话的工作区里。
也就是说，一次任务不只是几条聊天记录，而是包含：
你上传的原始文件 AI 生成的输出文件 对话过程 工具调用过程 相关的图表、报告和中间结果
这些内容可以被保存、查看、继续追问。
如果之后你要回到这个任务，不需要完全从零开始。你至少能知道：当时处理了什么文件，生成了什么结果，任务进行到了哪一步。
Nexus 主页全貌。主聊天和工作区联动：输入文件、输出文件、生成结果都会集中在同一个任务上下文中，方便继续追问和复用。
2. 沙箱：让 AI 不只“说”，也能在安全环境里“做”
AI 最大的变化，不只是能回答问题，而是开始能动手处理任务。
比如：
写一个 Python 脚本 分析 Excel 数据 生成图表 修改项目代码 批量处理文件 阅读代码并输出报告 根据错误日志排查问题
但让 AI 直接操作本地文件也有风险。
所以 Nexus 加了沙箱工作区。你可以把文件、代码、数据放进沙箱，让 AI 在相对独立的环境里分析、修改、运行。关键操作会经过确认，生成结果也会集中展示。
它适合那种“不只是问问，而是真的要处理文件”的任务。
沙箱工作区：让 AI 在独立环境中处理代码、文件和数据，既能真正执行任务，也降低误改原始资料的风险。
3. Mindora：把资料变成可以继续追问的知识库
很多人都有资料积累的问题。
论文、PDF、读书笔记、会议纪要、个人日记、项目文档，越存越多，但真正要用的时候，还是靠搜索文件名、翻文件夹、凭记忆找。
Nexus 里有一个知识库模块，我叫它 Mindora。
它的目标不是单纯“存文件”，而是把资料整理成可以被 AI 检索和追问的知识网络。
你可以把论文、笔记、项目资料上传到 Mindora。系统可以对资料进行解析，提取其中的主题、概念、来源、摘要和关联信息，并在图谱里展示不同内容之间的联系。
更重要的是，Mindora 可以和主聊天联动。
当你在主聊天里选择某个 Mindora 知识库后，AI 回答问题时就可以参考你的资料，而不是只依赖模型自己的泛化知识。
比如你长期整理了一个课题方向的论文库，之后可以问：
“这个方向目前主要有哪些方法路线？”“某篇论文和另一篇论文的区别是什么？”“这些资料里有没有支持我这个观点的证据？”“帮我把这几篇资料整理成组会汇报提纲。”
这时候 AI 回答的基础，就不只是模型记忆，而是你自己沉淀下来的资料。
Mindora 知识库：把论文、笔记和项目资料沉淀成可检索、可追问、可联动的知识网络。
4. RAG 知识库：适合更直接的资料问答
除了 Mindora，Nexus 也保留了 RAG 知识库。
如果你只是想上传一批 PDF 或文档，然后围绕这些资料进行问答，RAG 会更直接。
它更像是“资料检索问答库”：
上传资料 建立索引 在聊天中选择知识库 让 AI 基于检索结果回答
Mindora 更偏长期知识沉淀和图谱组织。RAG 更偏快速资料问答和文档检索。
两者不是互相替代，而是适合不同场景。
RAG 知识库：适合围绕一批资料进行快速问答、总结和检索。
5. 学术搜索：把文献检索放进工作流里
做科研的人都知道，文献检索本身就是一套工具链。
搜索、筛选、记录、整理、再写进综述或组会 PPT，中间要切很多工具。
Nexus 里集成了学术搜索相关能力，可以辅助你围绕研究问题查找文献线索，整理搜索结果，并把结果带回主对话继续分析。
它不取代专业数据库，也不承诺自动完成论文，但它可以帮你减少一些重复劳动：
根据研究问题组织检索关键词 辅助搜索学术网页或文献来源 整理题名、作者、年份、链接等信息 帮你对文献结果进行初步归类 把检索结果继续用于总结、对比和写作辅助
比如你可以问：
“帮我搜索近几年关于 SWOT 卫星重力异常反演的论文线索。”
AI 可以把搜索结果整理成更适合阅读和继续处理的格式。
6. 绘图模板：让数据图表不只是“能画”，而是更适合展示
科研和汇报里，图表很常见。
但很多时候，AI 虽然能写代码画图，最后效果却不一定适合论文、组会或汇报。
Nexus 里做了绘图模板库，内置多种常见图表风格和配色方案。你可以让 AI 根据数据和需求生成图表，也可以从模板里选择合适的风格。但不仅仅只能绘制以下图，Nexus只是帮你对这些复杂的图快速绘制。
比如：
折线图 柱状图 散点图 热力图 三维图 多子图 对比图 论文配图风格图表
它更适合那些需要“可直接放进报告或 PPT”的图。
绘图模板库：把数据分析和科研绘图放进同一个流程，生成更适合论文、组会和汇报的图表。
7. 智能计划：把一句话拆成可以跟踪的任务
很多任务不是一次回答就能完成的。
比如：
“帮我准备一次组会汇报。”“帮我整理这批论文并形成综述提纲。”“帮我分析这个项目代码，找出主要问题并修复。”“帮我根据这些资料做一个 PPT。”
这类任务往往有多个步骤。
Nexus 里有计划和工作流能力，可以把复杂任务拆成更清楚的步骤，让你知道 AI 当前在做什么、完成了什么、还剩什么。
这不是为了增加复杂度，而是为了减少“它到底卡住了还是在运行”的不确定感。
智能计划：把复杂任务拆成步骤，跟踪当前进展，让长任务更清楚。
8. 多模型接入：模型由你自己选择
我一直不太想把 Nexus 做成只能绑定某一个模型的平台。
因为不同模型有不同优势：
有的适合写作 有的适合代码 有的便宜 有的适合长文本 有的可以本地运行
所以 Nexus 支持多模型接入。你可以根据自己的 API Key 配置不同平台，比如 OpenAI、Claude、DeepSeek、千问、MiniMax、Ollama 本地模型等。
这意味着你可以自己决定：
用哪个模型 花多少钱 是否使用本地模型 某个任务更适合哪个模型
Nexus 更像一个工作台，而不是把你锁死在单一模型里。
多模型接入：API Key 由用户自行配置，不同任务可以选择不同模型。
Nexus 和普通 AI 聊天有什么区别？
普通 AI 聊天当然很有用。
如果只是问一个问题、写一段文字、翻译一句话，它已经足够好。
但 Nexus 更关注另一类问题：
当 AI 参与的是一个持续任务时，它能不能保存过程、管理文件、调用工具、沉淀知识，并在下次继续？
可以简单理解为：
一句话总结：
普通 AI 更像一个强大的聊天助手；Nexus 想做的是一个能持续积累的 AI 工作台。
谁适合用 Nexus？
它不适合所有人。
如果你只是偶尔问 AI 几句话，普通聊天工具就够了。
但如果你经常遇到这些场景，Nexus 可能会更适合：
研究生 / 科研人员需要读论文、整理资料、做组会汇报、写作辅助、管理课题资料。
数据分析和办公用户经常处理 Excel、CSV、图表、报告，希望 AI 不只是回答，而是能生成文件和结果。
知识工作者有大量 PDF、笔记、文档、会议纪要，希望把资料变成可检索、可追问的知识库。
本地项目用户希望 AI 能阅读项目文件、修改代码、排查错误，但又不想直接污染原始工程。
长期学习者希望把读书笔记、课程资料、论文资料持续沉淀，而不是聊完就散。
最后
AI 不应该只是一问一答的临时聊天窗口。
它也可以成为一个持续陪伴你的工具箱、资料库和工作台。
每一次对话、每一个文件、每一次分析、每一篇文献、每一个想法，都可以被保存、整理、复用。
下一次工作，不一定非要从零开始。
这就是我做 Nexus 的原因。
它还在持续更新。如果你也在找一个更适合科研、学习、资料处理和本地工作的 AI 工作台，欢迎试试 Nexus。
