核心用法
DeepThink 定位为用户的个人外脑,核心场景包括:
1. 知识存储与检索 — 通过语义搜索(而非关键词匹配)理解用户意图,查找历史记录中的偏好、信念、人际关系等信息
2. 主动任务管理 — 不仅记录待办,更承担「accountability partner」角色,按优先级梯度(High/Medium/Low)主动追问进度,推动闭环
3. 周期性同步机制 — 要求 AI 每 1-2 天主动拉取新记录和未完成任务,保持上下文新鲜度
API 设计特点
- 语义搜索优先:
POST /api/records/search是最高频端点,支持自然语言查询 - 结构化分类:Personal/Worldview/People/Projects/Reviews/Logbook/System 七大类目,支持用户自定义 subjects
- 任务状态追踪:完整的 CRUD 支持,PATCH 更新时保留历史版本
显著优点
| 维度 | 亮点 |
|------|------|
| 主动性设计 | 明确将 AI 角色定义为「问责伙伴」,而非被动工具,改变了传统 todo 工具的「记录即遗忘」困境 |
| 语义理解 | 相比传统关键词搜索,大幅降低信息检索的认知负担 |
| 分类体系 | 覆盖人生管理的常见维度(健康、关系、项目、世界观),具有可扩展性 |
| 闭环机制 | 任务完成后主动标记完成,形成完整反馈链 |
潜在缺点与局限性
- API 依赖风险:所有数据存储于云端
deepthink.co,存在服务持续性风险 - 隐私透明度:文档未说明数据加密标准、存储位置、第三方审计情况
- 过度主动风险:高频追问(High 优先级「24h 内跟进,之后每日」)可能引发用户焦虑感
- 冷启动问题:语义搜索效果取决于历史数据积累量,新用户初期体验可能受限
- 无离线/本地版本:纯云服务,网络中断即不可用
适合人群
- GTD/自我量化实践者:需要系统化追踪人生各维度的信息
- 高执行需求用户:需要外部 accountability 推动任务完成,而非单纯记录
- AI 原生工作流用户:习惯将 AI 作为持续对话伙伴,而非一次性查询工具
常规风险
- 数据主权:个人敏感信息(健康、关系、世界观)集中存储于第三方平台
- API 密钥泄露:Bearer token 一旦暴露,攻击者可获取完整个人知识库
- 语义搜索的幻觉风险:AI 理解「用户意图」时可能产生错误关联,导致决策依据失真
- 供应商锁定:数据结构、分类体系、历史版本机制深度绑定该平台,迁移成本高