RabbitHoles AI - AI 聊天的无限画布

是什么

RabbitHoles AI 是一款桌面端 AI 聊天应用，围绕无限画布界面构建。它不将工作限制在线性的单一线程中，而是将对话组织为带有分支的节点，使用户能够并行探索多个问题、方向和来源之间的关联。

该产品似乎面向高级用户，如研究人员、学生、知识工作者以及跨学科思考者，这些用户需要长上下文工作空间、多模型对比和结构化探索。其核心工作流结合了基于节点的聊天、来源附加、模型切换和本地聊天存储，以减少上下文丢失，让复杂的 AI 辅助研究或起草工作更易于管理。

功能

• 带有节点式聊天的无限画布：每次聊天都以一个节点开始，并可分叉为多条路径，帮助用户在不丢失整体上下文的情况下分离不同的思路。
• 多模型使用与模型切换：用户可以在模型之间切换，或同时使用多个模型，这有助于比较输出结果，或根据不同模型的优势匹配任务。
• 高级模型控制：应用提供 system prompt、temperature 和 top_p 等设置，在所选模型支持的情况下，让有经验的用户对输出行为拥有更多控制。
• 文件和网站的来源附加：用户可以将文件、网站、图片及其他材料添加到画布中，并将其连接到聊天内容，从而支持基于参考资料开展工作。
• 本地对话存储：聊天内容存储在用户设备上，这可能会吸引那些希望将工作历史保存在本地，而非主要保存在托管聊天界面中的用户。
• 导出与提供商灵活性：对话可导出为 JSON 或 Markdown，应用还支持自定义提供商、Ollama 以及自带 API 密钥，以获得更广泛的模型访问能力。

实用建议

• 根据工作流复杂度评估适配性：这种基于画布的 AI 工具在处理分支研究、迭代起草，或围绕主题与模型进行并行比较时最具价值。
• 尽早规划节点结构：如果团队或个人用户在大量使用前就定义好节点如何表示研究、草稿、摘要或基于来源的输出，将更容易获得一致的结果。
• 谨慎验证基于来源的结论：虽然附加来源可以提升相关性，但用户仍应验证重要输出，因为页面并未完整说明所有模型下的检索行为或证据控制方式。
• 为 API 管理预留预算：由于该产品采用自带 API 密钥的方式，采购方应将单独的模型访问成本、提供商配置以及密钥使用的内部治理纳入考虑。
• 提前确认桌面端和设备需求：页面将其描述为桌面应用，并提到可在两台设备上使用，因此部署规划应包括终端管理和用户设备策略。

OpenClaw 技能

RabbitHoles AI 很可能适合在 OpenClaw 环境中作为面向人工的复杂创意探索工作空间，而 OpenClaw 的技能和智能体则负责处理可重复的下游操作。可能的用例包括将选定节点转化为结构化简报、从研究分支中提取任务、生成带版本的摘要，或将最终定稿的节点内容路由到文档与知识工作流中。页面并未说明其具备原生 OpenClaw 集成，因此这应被视为一种工作流推断，而非已确认能力。

在更广泛的 OpenClaw 生态中，团队可以构建智能体来监控从 RabbitHoles AI 导出的 Markdown 或 JSON，按主题对分支进行分类，检测证据缺口，并触发后续研究或起草流程。对于研究人员、教育工作者、分析师或创意团队而言，这种组合可以将工作从孤立的提示操作转变为更具操作性的系统：RabbitHoles AI 负责空间化思考与模型交互，OpenClaw 负责围绕输出进行编排、复用和流程自动化。