本地搜索、上传式 AI、云端知识库 AI、桌面启动器。
Hyperlink：把电脑里的本地文件变成可提问、可验证的 AI 上下文
Project Framing
设计命题：用户不是缺少另一个聊天框，而是缺少一个能理解本地文件的工作入口
Hyperlink 是一个端侧文件助手。它可以连接电脑中的本地文件、文件夹、截图、图片、视频和笔记，让用户直接针对自己的资料提问。这个项目的 UX 难点不在于“让 AI 回答”，而在于把分散、私密、动态变化的本地文件变成可理解、可控制、可验证的 AI 上下文。
我的设计目标是定义一套本地文件 AI 助手的基础体验：用户知道哪些文件被连接、AI 正在使用哪些资料、答案来自哪里，以及如何从答案跳回原始文件继续确认。
从 Add File/Folder 到同步反馈、范围选择和引用回流。
答案、hover、打开原文、带 source 继续追问。
理解问题、选择 source、召回重排、生成答案、允许验证。
Connect first
先让用户建立可持续同步的 source，而不是每次临时上传文件。
Scope before ask
提问前后都能控制检索范围，避免“全盘电脑搜索”带来的噪音。
Cite every answer
回答必须能追溯到文件、段落和原始内容，降低 AI 幻觉风险。
Stay in context
AI 入口要贴近当前桌面任务，而不是强迫用户回到单独 App。
Competitive Analysis
竞品分析：机会不在“搜索更快”，而在“本地上下文 + 引用可信 + 工作流连续”
我没有把竞品分析停留在界面形态对比，而是抽象成四类用户已有心智：本地搜索、上传式 AI 聊天、云端知识库 AI、桌面启动器/快捷入口。这样能判断 Hyperlink 应该继承什么、避开什么，以及自己的差异化体验应该落在哪里。
竞品类型
用户已形成的认知
关键 UX 缺口
转化为 Hyperlink 设计策略
输入关键词，快速定位文件名或局部内容。
只能“找到文件”，不能理解多个文件之间的关系，也很难回答综合性问题。
从找文件升级为问文件：围绕自然语言输入和语义检索组织主界面。
把文件拖进聊天框，然后围绕当前会话提问。
文件连接是临时的，用户需要重复上传；文件更新后上下文也容易失效。
Source 持久化：设计文件夹连接、同步状态、失败反馈和 source 范围控制。
围绕云端资料库提问，强调跨文档搜索和知识组织。
对用户电脑里的本地文件、截图、视频和离线资料覆盖有限，隐私边界也更敏感。
Local-first 承诺：强化本地索引、端侧处理、source 可见和模型/provider 控制。
通过快捷键调用动作，用户期望轻量、快速、不中断当前任务。
擅长执行命令，但不一定能承载长链路的资料连接、引用验证和深度阅读。
系统级入口 + 主工作台：Floating Shortcut 负责轻量唤起，主界面负责管理和验证。
竞品洞察
Hyperlink 的机会是成为本地文件的 AI 操作层，而不是另一个云端聊天产品。
Design Problem 01
问题一：如何设计“链接本地文件”的 UX flow，让用户知道资料已经进入 AI 上下文？
典型场景：用户想问“上周客户访谈有哪些关键结论？”但资料散落在 Downloads、会议记录、截图文件夹和项目文档里。如果沿用上传式 AI 聊天，用户每次都要挑文件、拖拽、等待、再担心是不是漏了最新版本。
把文件丢进聊天框
- 每次提问都要重新选择文件
- 文件更新后上下文不一定同步
- 用户不知道索引是否完成
- 大文件夹、多格式资料很难管理
把文件夹连接成可持续上下文
- 添加文件夹后持续同步
- 展示扫描、索引、失败和完成状态
- 提问时可以选择 source 范围
- 文件、图片、截图、视频统一进入管理层
触发意图
用户在输入框或侧边栏点击 Add File/Folder。
选择 source
选择文件、文件夹、截图库或视频资料。
解释边界
告知本地索引、支持格式、预计处理方式和权限范围。
同步反馈
显示扫描中、解析中、已完成、失败重试等状态。
提问范围
在输入框 Sources 中限定本次问题要检索哪些资料。
引用回流
答案回到具体文件和段落，形成可验证闭环。
Design Problem 02
问题二：AI 回答如何证明自己不是“编的”？我设计了引用、预览、源文件查看的验证 flow
本地文件助手的可信度不是靠一句“根据你的文件”建立的。用户真正需要的是：答案中的每个关键结论都能看到来源，来源可以被打开，打开后能定位到相关片段，并且用户可以回到对话继续追问。
答案内嵌 file badge
把引用做成可点击对象，而不是放在回答末尾的长列表。
轻量预览相关文件
hover 时显示文件名、类型、命中片段和相关度，支持快速判断。
侧栏打开原始资料
点击后进入源文件预览，定位到命中页、段落或视频时间点。
带着 source 继续追问
用户可以将文件加入本轮上下文，缩小范围后继续追问。
List all companies Jason Zhu has worked with.
Agent Process · Reading local resume sources
Based on the context, Jason worked with Neura AI, Apple and Google.
Matched page 1 · Experience section
Matched project description
Referenced company list
Design Problem 03
问题三：如何让用户在当前桌面任务里调用 AI，而不是被迫切回一个 App？
对本地文件助手来说，用户的真实任务经常发生在文件夹、浏览器、PDF、会议记录或设计稿中。如果 AI 只能在主窗口里使用，用户就需要不断切换上下文。因此我把体验拆成两个层级：轻量入口负责当前任务，主工作台负责深度管理。
Floating Shortcut
在当前窗口快速唤起，围绕选中文件、屏幕内容或当前资料发问。
Mini Ask Panel
轻量输入、展示简短答案、允许展开到主工作台继续处理。
Source Workspace
管理 source、查看引用、打开原文、配置模型和 provider。
正在读 PDF
用户不想复制段落到聊天工具。通过浮窗直接问“这份合同里有哪些风险条款？”
正在整理项目文件夹
用户选中文件夹后问“这里哪些资料和 Q2 复盘相关？”系统进入 source 连接流程。
正在看视频素材
用户问“找出讲到 pricing 的片段”，答案必须跳到具体时间点。
Design Problem 04
问题四：Agentic RAG 的“思考过程”怎么展示，才能既透明又不打扰？
用户需要知道 AI 是否真的读了自己的文件，但不需要被大量技术过程淹没。我把 RAG 过程设计成可折叠的任务进度，而不是把内部日志直接暴露出来：默认只展示关键阶段，用户需要验证时再展开。
理解问题
识别用户想找事实、总结、对比还是定位片段。
选择 sources
根据用户范围、最近文件和已连接资料决定检索边界。
召回与重排
从文件、OCR、视频帧或文本片段里找候选证据。
生成答案
把结论和引用一起组织，避免答案和来源脱节。
允许验证
通过 file badge、相关文件和原文预览让用户复核。
Information Architecture
产品信息架构：把“文件、问题、答案、原文”放进同一个闭环
Hyperlink 的 IA 不是普通聊天产品的“会话列表 + 输入框”。它需要同时承载 source 管理、检索范围、模型/provider、回答引用和原文查看。我的架构重点是让用户始终知道自己在问什么资料、AI 用了什么资料、结果如何被验证。
Hyperlink Workspace
Source Layer
Files / Folders
OCR / Screenshots
Videos / Frames
Sync Status
Ask Layer
Natural Language Input
@ File / Source Scope
Model Selection
Provider Control
Retrieval Layer
Agent Process
Thinking Process
Top K Results
Confidence Signals
Evidence Layer
Inline Citation
Related Files
Original Preview
Continue with Source
UX Artifact 05 / High Fidelity Interface Analysis
高保真界面分析：把“本地文件 + AI 回答 + 可验证来源”设计成一个连续工作台
Hyperlink 的高保真重点不是把聊天框做出来，而是让用户始终知道三件事：我正在问哪些本地资料、AI 正在如何检索、这个答案能否回到原文件验证。
先让用户明确资料范围，再开始提问，避免 AI 回答来源不明。
回答必须带 source、引用和原文入口，而不是只给一段生成文字。
桌面小窗负责当前任务快速发问，主工作台负责管理、验证和继续追问。
01 / Main Workspace Anatomy
主界面为什么不是普通聊天页，而是“本地知识工作台”？
普通 AI 聊天页默认假设用户只需要输入问题；Hyperlink 需要先解决“问什么资料”的问题。因此我把 Add File/Folder、Sources、历史会话、模型入口和输入框组织成同一个工作台，让用户在提问前就能感知资料范围。
- 左侧导航承接长期任务历史会话、模型、设置和 Help 固定在左侧，支持用户在多次资料问答之间切换。
- 中心输入框承接当前任务Add File/Folder 与输入框并列，强调“先把资料带进来，再对资料提问”。
- Sources 放在发送前最后一步让用户在提交前确认本次问题使用哪些文件，减少错误上下文。
1
2
3
4
5
历史、模型、设置保持可见，适合桌面工具的反复使用。
空资料状态不只提示空白，而是直接引导连接本地文件。
把资料连接入口放进输入区，建立“文件即上下文”的心智。
发送前控制检索范围，避免 AI 默认读取所有资料。
提交问题前，用户已完成资料范围和模型环境确认。
02 / Source Connection Flow
Before
把文件上传当作一次性动作
After
把 Source 当作可管理对象
链接本地文件的 flow，核心不是“选中文件”，而是建立可控的 AI 上下文
本地文件助手最容易让用户不安的点是：到底哪些文件会被读取？有没有连上？索引是否完成？因此 Source 管理的高保真设计要同时表达文件树、选中状态、连接进度、同步完成和失败恢复。
用户选完文件就进入聊天，但不知道索引是否完成，也不知道本次问题会读哪些资料。
文件夹、文件、同步状态和错误提示都保留在 Source 管理里，让上下文可检查、可编辑、可恢复。
1
2
3
4
5
用熟悉的本地目录结构降低连接成本。
用户可以看到当前勾选内容，避免误连大范围隐私文件。
连接完成后不跳去新系统，而是回到提问场景。
让“文件正在变成可问上下文”这件事可见。
成功、失败、异常都给出下一步，不把技术状态藏起来。
03 / Citation Validation Anatomy
AI 回答如何证明自己不是编的？引用系统必须让用户从答案回到原文件
对本地文件 AI 来说，答案的可信度来自“可追溯”。我把引用设计成三层：回答里的 inline citation 用于快速定位，Related Files 用于查看可能相关的来源，原文预览用于最终验证。
- 引用直接嵌入答案用户不用离开阅读流，就能看到哪句话对应哪个文件。
- 相关文件抽屉保留候选源不只展示一个命中文件，而是保留多个候选来源，帮助用户判断答案覆盖是否充分。
- 点击后打开原文位置验证动作从“相信 AI”变成“检查原文件”，显著降低黑箱感。
1
2
3
4
让引用跟随句子出现，而不是藏在回答末尾。
hover 展示候选文件，帮助用户理解 AI 的检索范围。
点击引用打开原文，完成“回答 → 证据”的验证闭环。
长文件名必须保持可辨识，否则 source 可信度会被 UI 细节破坏。
04 / Desktop Context Entry
为什么需要 Floating Shortcut？因为用户的问题经常发生在文件正在被阅读的瞬间
本地文件助手如果只能从主应用开始，会打断用户正在 Word、PDF 或浏览器里的阅读任务。Floating Shortcut 的定位是“贴近当前文件的轻量入口”：先快速提问，再按需要展开到主工作台、相关文件和原文预览。
- 不抢主任务小窗覆盖在当前文件旁边，用户无需离开阅读场景。
- 保留升级路径当问题变复杂，可以从小窗进入主工作台继续管理 source。
- 引用仍然可验证小窗答案也能回到文件列表和原文预览，不牺牲可信度。
1
2
3
4
让 AI 入口贴近阅读上下文，降低任务切换成本。
适合快速问题，不强迫用户打开完整应用。
回答后立即给出相关文件，避免小窗变成黑箱。
用户可从答案打开源文件，完成桌面级验证闭环。
05 / Multimodal Source Extension
当 source 从文档扩展到视频，界面如何保持同一套检索心智？
视频不是简单多一个文件类型。用户需要知道命中的不是整段视频，而是具体片段、画面和时间点。所以 Video Search 延续 Source / Retrieval / Evidence 三层结构，把 Top K 片段、播放器和结果列表放在同一工作区。
- 结果先按片段呈现缩略图网格帮助用户快速判断视觉相似度。
- 播放器承接验证点击片段后可以直接播放对应时间段，而不是只看静态缩略图。
- 与文档检索共用框架同样保留 source 范围、检索结果和证据查看，避免多媒体能力变成孤立功能。
1
2
3
4
入口仍在同一桌面工作台，不重新建立产品心智。
让用户先扫视候选片段，快速判断检索质量。
把视频命中解释为具体片段，而不是模糊说“找到相关视频”。
点击命中片段后直接播放，完成多媒体 source 的证据闭环。
06 / Model & Local Trust Control
本地 AI 助手的信任感，不只来自隐私文案，还来自模型、Provider 和 Source 的可控性
Hyperlink 的信任设计分成两层：一层是用户知道资料在本地、source 可见；另一层是用户知道当前答案由哪个模型和 provider 生成。高保真里把模型发现、API 配置、本地运行提示和引用来源放进同一套控制逻辑。
- Provider 可被显式配置用户可以理解当前能力来自本地模型、云端 provider 还是自定义 API，而不是被动接受黑箱输出。
- Local-first 提示靠界面行为证明连接文件、source 抽屉、引用验证共同说明资料范围，而不是只靠一句“安全”。
- 模型能力和答案来源分离模型决定怎么回答，source 决定回答依据，二者在界面上分别可控。
1
2
3
4
5
把模型选择做成可浏览、可比较的列表，而不是隐藏设置项。
用户能看到当前模型是否启用，降低“为什么答不了”的疑问。
自定义 provider 被设计成明确配置流程，适合开发者和高级用户。
隐私承诺落到 source 管理入口，而不是只写在营销文案里。
回答和 source 抽屉并存，用户可以检查资料范围和引用依据。
Validation Criteria
我用这些标准验证设计是否成立
可理解性
- 用户是否知道：这里不是普通聊天，而是可以连接本地资料的 AI 助手。
- 设计证据：Add File/Folder、Sources、Connect your first files 被放在主路径上。
可控性
- 用户是否能控制：哪些文件进入索引、本次问题使用哪些 source。
- 设计证据：source 管理、同步状态、@ files、provider/model 控制。
可信度
- 用户是否能验证：AI 的回答来自哪里，是否能打开原始资料。
- 设计证据：inline citation、相关文件、原文预览、thinking process。
工作流连续性
- 用户是否少切换：能不能从当前桌面上下文直接发问。
- 设计证据：Floating Shortcut、小窗提问、展开到主工作台。
扩展性
- 架构是否能扩展：文件、截图、OCR、视频是否能共用一套 source 逻辑。
- 设计证据：Source Layer + Retrieval Layer + Evidence Layer 的架构拆分。
跨内容一致性
- 交互模式是否复用：文档、图片与视频是否遵循相同的连接、检索、引用和回看逻辑。
- 对应设计：统一的 source selector、检索结果容器、引用标记与证据查看路径。
DESIGN SYSTEM
设计系统沉淀
- 竞品与机会判断：从用户心智、工作流缺口和产品定位中确定本地文件助手的设计机会。
- 可扩展信息架构：把 source 管理、RAG 检索、引用验证、模型控制和桌面入口组织成一套可扩展结构。
- 可追溯答案系统：通过 inline citation、原文预览、thinking process 和 source scope 降低 AI 黑箱感。
- 桌面端双层入口：用主工作台承接复杂任务，用 Floating Shortcut 贴近用户当前上下文。
- 端到端核心流程：连接文件、限定检索范围、查看引用、回到原文验证，并继续追问。