我把本地 Markdown 资料库,变成了一个会干活的 Agent 工作台
最近我在做一个 Markdown 桌面工具,叫 FlowMark。
它一开始只是一个本地优先的文档工作台:打开一个目录,阅读 Markdown,搜索 README、PRD、会议纪要、排障记录、论文笔记和公众号草稿,顺手做点编辑,再导出 Word、PDF 或 HTML。
但做着做着我发现,阅读器只解决了一半问题。
很多资料不是看完就结束的。PRD 看完要变成汇报,会议纪要看完要拆任务,技术记录要整理成公众号,产品说明要做成网页,指标说明要补公式,文章还要配图。真正麻烦的,从来不是"打开文档",而是把本地资料继续加工成能交付的东西。
所以我给 FlowMark 加了一个 Agent 工作区。它不是挂在侧边栏里的聊天框,而是一个真正懂当前资料现场的工作台。
一句话说清它和普通 AI 聊天框的区别
普通 AI 聊天框,是在对话里处理一段你临时粘贴进去的文本。
FlowMark Agent,是在本地文档工作台里处理一个持续存在的资料现场。
它知道你正在看哪篇文档,能按目录组织上下文,能记住工作区的长期偏好,能找回围绕文档的历史对话;同时内置了一整套 Skill,可以把资料继续变成摘要、问答、汇报、公众号、网页、公式、配图和任务清单——你还能把自己的流程沉淀成新的 Skill。
下面这五件事,是我最想讲清楚的:
| 能力 | 它解决什么 |
|---|---|
| 上下文 | 让 Agent 知道这次该看哪些资料 |
| 记忆 | 让 Agent 记住这个工作区的长期规矩 |
| 历史记录 | 让围绕文档的对话可以接着上次继续 |
| Skill 体系 | 一句话或一个 / 命令,调起 19 个内置技能 |
| 提炼 Skill | 把你自己的流程沉淀成可复用的私人技能 |
能力一:上下文 —— 选择资料现场,而不是粘贴文本
我最在意的第一个能力,是上下文。
普通 AI 工具通常等你把内容粘贴进去。FlowMark Agent 更贴近本地资料的使用方式:你可以直接选择上下文范围——不带资料、当前文档、当前目录、全部文档,或者手动勾选几篇关键文档。
这几个范围对应的场景很清楚:
- 当前文档:读一份 PRD、会议纪要、论文笔记、公众号草稿。
- 当前目录:围绕一个项目、一次排障、一个产品模块提问。
- 全部文档:在整个资料库里找线索,适合盘点和复盘。
- 手动选择:只把几篇关键材料交给 Agent,避免无关信息干扰。
这个体验和"复制一段给 AI"差别很大。你不是临时拼一段提示词,而是在 FlowMark 里把资料现场摆好,再让 Agent 开始工作。它给出的答案、摘要、PPT 大纲、网页和配图,都顺着你选择的上下文来生成。
能力二:记忆 —— 让 Agent 知道这个工作区的规矩
第二个能力是记忆。
这里的记忆不神秘。它更像一张放在工作区里的长期说明:这个项目的术语怎么叫,文章面向谁,写作风格要克制还是活泼,哪些表达不要翻译,哪些口径要统一。
比如我可以让 FlowMark 记住:
- FlowMark 这个名字不要翻译。
- 面向独立开发者和产品经理,不要写成企业白皮书。
- 生成汇报时先讲结论,再讲背景。
之后无论是问答、改写、做 PPT 还是整理公众号稿,Agent 都会带着这份记忆。
这对我很重要。很多资料不是一次处理完的,一个项目可能连续写好几周。每次都重新解释术语、读者、风格和边界,很烦,也容易前后不一致。有了记忆,FlowMark Agent 更像一个跟着同一个工作区长期工作的助手。
能力三:历史记录 —— 围绕文档的对话可以接着上次继续
第三个能力是历史记录。
很多 AI 聊天工具也有历史,但通常是按聊天窗口堆在一起。FlowMark 的历史更贴近文档工作:你可以按工作区、当前文档、当前目录去找之前的对话。
这意味着一份文档不是只被问一次。
今天你让 Agent 读懂 PRD,明天可以接着昨天的结构生成汇报;上午把会议纪要拆成任务,晚上继续追问"哪些风险还没解决";这周整理了公…