AFFiNE 如何将文档、白板、数据库和 AI 整合为本地优先知识库？

AFFiNE 把块式文档、Edgeless 白板、数据库式项目规划和 AI 助手放进同一个工作区。适合的组织方式不是为每项功能建立孤岛，而是让同一项目经历“文档记录事实、白板探索关系、数据库跟踪执行、AI 辅助加工”的循环。AFFiNE 的核心工作区强调本地优先，但当前 AFFiNE AI 仍通过 AFFiNE Cloud 运行，不能把两者混同为完全离线 AI。

先选择合适的运行方式

AFFiNE 提供 macOS、Windows、Linux、iOS、Android、浏览器版本和 Docker 自托管方案。个人本机整理可以优先选择桌面应用；需要多人协作、统一访问或私有部署时，再评估团队空间和自托管。

“本地优先”意味着工作区设计强调用户对数据的控制，并不表示所有同步、协作和 AI 功能天然只在设备上运行。开始前应分别确认：

• 内容当前保存在本地工作区还是云空间。
• 是否启用了同步与团队协作。
• 备份和导出能否在其他环境恢复。
• AI 功能会把哪些选中内容发送出去。

用一个 Workspace 承载完整项目

以产品调研项目为例，先建立一个工作区，再创建四类内容：

1. 项目主页：目标、范围、决策和关键链接。
2. 研究文档：访谈记录、竞品资料和会议纪要。
3. Edgeless 白板：用户旅程、观点聚类和方案关系。
4. 任务数据库：负责人、状态、截止日期和关联资料。

所有内容围绕同一项目组织，避免把文字留在文档工具、思维关系留在白板、任务又放到另一个系统。知识库的价值来自上下文连续，而不是功能数量。

文档模式用于沉淀可引用事实

AFFiNE 的文档以块为单位组织内容，适合会议纪要、规范、研究摘要和团队 Wiki。编写时使用稳定标题、结论、证据和决策结构，并把临时讨论与正式结论区分开。

一个有效的决策记录至少包含：

• 要解决的问题及不在范围内的事项。
• 已验证事实和资料出处。
• 候选方案、约束与取舍。
• 最终决定、责任人和复查日期。

这样内容既方便人工检索，也更适合后续让 AI 总结或提取行动项。

Edgeless 白板用于探索关系

白板适合还没有线性结构的工作：把访谈观点聚类、绘制流程、建立思维导图、排列故事板，或将方案组织成演示框架。它不是文档的装饰层，而是把空间关系转换为可讨论结构。

探索结束后，应把确认的结论回写到项目文档和任务数据库。若信息只停留在自由白板上，后续搜索、交接和执行会变得困难。

数据库用于把知识转成行动

用数据库视图管理需求、研究条目、风险或任务，为每条记录设置负责人、状态、优先级、截止时间和关联文档。数据库承载的是可筛选的结构化状态，长篇背景仍放在文档中。

信息	更适合的位置
需求背景和决策理由	文档
概念关系与方案探索	白板
负责人、状态和日期	数据库
摘要、改写和初稿	AI 辅助后回写文档

建立文档、白板与任务的闭环

1. 在文档中记录原始事实和会议内容。
2. 把待梳理观点放到白板进行聚类和排序。
3. 将确认事项转成数据库任务或研究条目。
4. 执行中把新证据链接回原决策。
5. 阶段结束后更新主页摘要并归档过时视图。

每个任务应能追溯到背景文档，每项关键决定也应能看到对应执行状态。这样知识库既不是静态 Wiki，也不是脱离原因的任务表。

在 Page Mode 中使用 AI

文档页面中可以选择一个或多个块或选中文字，通过格式工具栏调用 Ask AI；也可以展开侧边栏进入 AI 聊天。适合的任务包括：

• 把会议记录整理为结论和行动项。
• 调整文字语气、纠正拼写或翻译。
• 将多个研究摘要合并成初稿。
• 从已有内容生成演示提纲。

AI 输出应作为新草稿插入，不要无检查覆盖原始记录。涉及事实的摘要应返回原文逐项核对。

在 Edgeless Mode 中使用 AI

白板中可以选择一个或多个元素，再从元素菜单调用 Ask AI，也可使用侧边栏聊天。AI 能辅助生成思维导图、扩展观点或把提纲转成演示结构。

生成的节点关系是模型建议，不是已验证事实。对研究结论、流程依赖和责任关系，应由项目成员确认后再转入正式文档或任务库。

当前 AI 并非本地运行

官方问答明确说明，AFFiNE AI 当前通过 AFFiNE Cloud 运行，使用前必须登录；纯本地工作区尚不能直接使用 AFFiNE AI。自 0.27 版起可以使用自己的 API 密钥，但 BYOK 仍不等于模型在本机运行，本地 Gemma 支持属于未来计划。

调用 AFFiNE AI 时，相关内容会发送给第三方 AI 提供商。因此处理合同、人事、医疗、客户数据或未公开研发资料前，应确认组织政策、提供商条款和发送范围。若资料不能外发，就不要对这些块调用当前云端 AI。

本地优先、云同步和自托管如何选择

场景	建议路径	重点检查
个人离线笔记	桌面本地工作区	备份、导出、设备安全
跨设备个人使用	云同步	账户、同步范围、恢复
普通团队协作	Teamhub 或云空间	成员权限和商业方案
组织私有部署	Docker 自托管	服务器、升级、备份和许可

自托管工作区也不能自动让 AFFiNE AI 本地化。内容存储、同步服务和模型推理需要分别核验。

开源范围需要准确理解

AFFiNE 公开建设并提供源代码，官网说明大部分代码采用 MIT 许可，后端部分包含 AFFiNE EE 许可。部署、修改或商业使用前，应按实际使用的组件阅读对应许可，而不是用“开源”概括所有模块。

用模板建立一致入口

可以为项目主页、会议、调研、决策和复盘分别建立模板。模板只固定必要字段，避免把每页变成繁琐表单。一个项目主页可以包含：

• 目标、范围与当前阶段。
• 关键文档和白板入口。
• 任务数据库的筛选视图。
• 已决定事项与待确认问题。
• 最近复盘和下一里程碑。

迁移前做一个小型试点

不要一次迁入全部知识。选择一个活跃项目，运行两至四周，检查：

1. 常用文档和媒体能否正确导入。
2. 文档、白板与数据库之间的链接是否易于维护。
3. 桌面、移动端和浏览器体验是否满足团队需求。
4. 离线编辑、同步冲突和备份恢复是否可靠。
5. AI 外发范围是否符合数据政策。

试点完成后再决定扩大迁移、自托管或购买团队与 AI 方案。价格、试用次数和早期使用限制都可能变化，应以当前方案页面为准。

最终验收不只看内容是否集中

一个成功的 AFFiNE 知识库应让成员从项目主页找到事实文档，从白板理解关系，从数据库看到执行状态，并能追溯决定与任务。AI 应减少整理时间，但任何关键结论仍能回到人工维护的原始内容。

最重要的边界是：核心工作区可以本地优先，当前 AFFiNE AI 却依赖云端。准确区分存储、同步和推理三条链路，才能在统一工作流与数据控制之间做出可靠选择。