基于 remio 全知识库构建 Map of Content (MOC) 知识地图，提供主题地图可视化、跨域深度总结、自动知识发现。
选定一个知识域（Collection / 文件夹 / 搜索结果），AI 会自动分析其中所有笔记，生成结构化的知识地图：
- 识别主题集群（不是简单关键词分类，而是语义理解后的自然分组）
- 发现笔记间关联（引用、互补、因果关系）
- 检测与域外的桥梁（连接到其他知识域的概念）
- 评估知识完整性（识别缺口和值得深入的方向）
选择 2 个或更多知识域，AI 会合成跨域分析报告：
- 交汇点：哪些话题在多个域同时出现
- 视角对比：同一话题在不同域的差异化观点
- 管道连接：一个域的输出是否是另一个域的输入（例：GPT Image 2 分镜 → Seedance 2.0 视频生成）
- 统一洞察：只有结合多个域才能得出的新发现
- 弱信号：只在一个域出现但值得全局关注的新趋势
自动扫描最近新增的内容，发现隐藏的关联：
- 检测跨域关键词共现
- 发现语义相似但位于不同域的潜在关联
- 追踪话题演进轨迹
- 识别新兴主题和弱信号
输入一个关键词，展示它在你的知识库中的讨论轨迹：
- 话题全景：涉及哪些方面
- 时间线：按时间排列关键讨论
- 跨域分布：在哪些域被讨论，各域视角有何不同
- 演进方向：话题未来可能如何发展
Map of Content (MOC) 是一种知识管理方法，通过为笔记集合创建"地图"来揭示知识之间的结构关系。不同于传统的文件夹分类，MOC 关注的是笔记之间的关联而非层级。
在本 aApp 中，"域"是 MOC 构建的输入范围，可以是：
| 域类型 | 说明 | 示例 |
|---|---|---|
collection |
remio 中的合集 | "GPT Image 2 提示词"、"Seedance 2.0 提示词" |
folder |
同步文件夹 | "微信群聊总结"、"Documents"、"Desktop" |
search |
全库搜索结果 | 搜索 "Claude Code"、"AI 视频生成" |
┌──────────────────────────────────────────────────────────┐
│ remio 知识库 │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │Collection│ │Collection│ │ Folder │ │ Search │ │
│ │ (合集) │ │ (合集) │ │ (文件夹) │ │ (搜索) │ │
│ └────┬─────┘ └────┬─────┘ └────┬─────┘ └────┬─────┘ │
│ │ │ │ │ │
│ └──────────────┴──────┬───────┴──────────────┘ │
│ │ │
│ search_notes / rag │
│ │ │
└─────────────────────────────┼──────────────────────────────┘
│
┌─────────▼──────────┐
│ MOC 知识地图引擎 │
│ (system.md + AI) │
│ │
│ ┌───────────────┐ │
│ │ MOC 构建 │ │
│ ├───────────────┤ │
│ │ 跨域总结 │ │
│ ├───────────────┤ │
│ │ 知识发现 │ │
│ ├───────────────┤ │
│ │ 话题时间线 │ │
│ └───────────────┘ │
└─────────┬──────────┘
│
┌─────────▼──────────┐
│ 生成结果 + 保存 │
│ ┌───────────────┐ │
│ │ remio Note │ │
│ │ + Collection │ │
│ │ + History │ │
│ └───────────────┘ │
└────────────────────┘
本 aApp 遵循 remio 的 embedded runtime 模式——所有操作由用户交互驱动，无后台服务。
- 知识消费层，不是生产层：aApp 不替代已有的知识采集管道（如微信聊天自动摘要），而是在已采集的知识之上做发现和关联
- 增量而非全量：每次只处理用户选定的域，不会全库扫描
- AI 驱动：核心分析能力来自 LLM，通过
run_prompt调用 - 保存即关联：生成的 MOC 笔记自动关联到对应的 Collection
| 组件 | 文件 | 职责 |
|---|---|---|
| manifest | manifest.json |
aApp 元信息、注册内容动作和快捷命令 |
| API 定义 | api.json |
14 个端点的参数定义和描述 |
| 业务逻辑 | logic.py |
所有端点的 Python 实现 |
| AI 引擎 | system.md |
3 套 prompt 模板（MOC / 跨域 / 发现） |
| 路由文档 | SKILL.md |
Agent 如何发现和调用本 aApp |
moc-map/ # aApp 根目录
├── manifest.json # ID、名称、i18n、content action、shortcut
├── api.json # 14 个端点定义
├── logic.py # 完整业务逻辑（~47KB，600+ 行）
├── system.md # AI 分析引擎 prompt 模板
└── SKILL.md # Agent 路由和调用文档
本 aApp 使用 remio SDK 内置模块，无需额外安装任何依赖：
remio_sdk.router— 端点路由remio_sdk.run_prompt— AI 分析调用remio_sdk.search_notes— 知识库搜索remio_sdk.read_note— 读取笔记内容remio_sdk.create_note— 创建笔记remio_sdk.add_note_to_collection— 关联合集remio_sdk.get_state/set_state— 历史记录持久化
- 已安装 remio 桌面客户端
- remio 版本支持 aApp 功能
-
克隆本仓库
git clone https://github.com/violin86318/moc-map-aapp.git cd moc-map-aapp -
复制到 remio aApps 开发目录
remio 的 aApps 开发目录通常位于：
# macOS ~/Library/Application\ Support/remio/Users/<YOUR_USER_ID>/agent/remio/aapps-dev/moc-map/
将
moc-map/文件夹（包含 5 个文件）复制到上述路径的moc-map/子目录中：# 假设 REMIO_AGENT_DIR 是你的 remio agent 目录 REMIO_AGENT_DIR="$HOME/Library/Application Support/remio/Users/<YOUR_USER_ID>/agent" mkdir -p "$REMIO_AGENT_DIR/remio/aapps-dev/moc-map" cp -r moc-map/ "$REMIO_AGENT_DIR/remio/aapps-dev/moc-map/moc-map/"
-
在 remio 中部署
在 remio 对话中告诉 AI：
"使用 aapp-studio 部署 moc-map"
或者手动将文件从
aapps-dev/复制到aapps/目录。
🚧 发布到市场后可用。目前请使用方式一。
在 remio 中搜索 "moc-map" 或 "知识地图" 即可一键安装。
安装后，在 remio 对话中输入：
"打开 MOC 知识地图"
如果看到知识全景首页 UI，说明安装成功。
在 remio 对话中直接说：
打开 MOC 知识地图
或
打开知识地图
在对话中输入：
<<moc 提示词工程
会自动搜索 "提示词工程" 相关笔记并构建 MOC。
在任意笔记上，通过右键菜单选择 「🗺️ 加入知识地图」，会以该笔记标题为关键词搜索相关笔记并构建 MOC。
目标：你想了解 "GPT Image 2 提示词" 合集中的知识结构。
- 打开 MOC 知识地图 → 点击 "📚 GPT Image 2 提示词"
- 查看域内笔记列表（标题、类型、所属合集）
- 点击 "🏗️ 为此域构建 MOC"
- 等待 AI 分析（约 30 秒）
- 查看生成的知识地图，包含：
- 📊 全景概览
- 🎯 主题地图（按热度排列的主题集群）
- 🔗 跨域桥梁（与其他合集的关联）
- 📭 知识缺口
- 💡 探索建议
- 点击 "📝 保存为笔记" 保存到 remio
目标：你想了解 "GPT Image 2" 和 "Seedance 2.0" 之间的知识关联。
- 打开 MOC 知识地图 → 点击 "🌐 跨域深度总结"
- 选择多个合集（如 "GPT Image 2 提示词" + "Seedance 2.0 提示词"）
- AI 会发现：
- 🔥 交汇点：哪些话题在两个合集同时出现
- 🔄 管道连接：GPT Image 2 的分镜输出 → Seedance 2.0 的视频输入
- 🌱 弱信号：只在一个合集出现但值得关注的新趋势
- 🎯 行动建议：下一步应该创建什么内容
目标：你想看看最近一周知识库有什么新动态。
- 打开 MOC 知识地图 → 点击 "🔍 知识发现"
- AI 会扫描最近 7 天新增的所有内容
- 自动生成发现报告：
- 🆕 新发现的跨域关联
- 📈 话题演进趋势
- 🌱 新兴主题
目标：你想追踪 "Claude Code" 在知识库中的讨论轨迹。
- 打开 MOC 知识地图 → 点击 "📈 话题时间线"
- 输入关键词 "Claude Code"
- AI 会展示：
- 话题全景（涉及哪些方面）
- 时间线（按时间排列的讨论）
- 跨域分布（在微信群聊、技术文档、笔记中各有什么视角）
- 演进方向
目标：你在看某条笔记，想了解它与知识库中其他内容的关联。
- 在笔记上右键 → 选择 "🗺️ 加入知识地图"
- aApp 会以该笔记标题为关键词搜索全库
- 自动构建围绕这条笔记的 MOC 知识地图
| 方法 | 路径 | 说明 | 关键参数 |
|---|---|---|---|
GET |
/ |
🏠 知识全景首页 | — |
POST |
/domain_map_ui |
📍 域内主题分布 | domain_type, domain_id, domain_name |
POST |
/build_moc_ui |
🏗️ 构建 MOC | domain_type, domain_name, query, depth |
POST |
/build_moc_from_note_ui |
🗺️ 从笔记构建 | note_id, note_title |
POST |
/build_moc_shortcut |
⚡ 快捷命令 | input |
POST |
/cross_summary_ui |
🌐 跨域总结 | domains[], topic |
POST |
/discover_ui |
🔍 知识发现 | time_range, scope |
POST |
/topic_timeline_ui |
📈 话题时间线 | topic |
GET |
/moc_list_ui |
📑 MOC 列表 | — |
POST |
/save_moc_ui |
💾 保存笔记 | history_id, collection_name |
GET |
/history_ui |
📋 全部历史 | — |
POST |
/detail_ui |
📄 历史详情 | history_id |
POST |
/delete_ui |
🗑️ 删除历史 | history_id |
GET |
/_menu |
📋 动态菜单 | — |
| 值 | 说明 |
|---|---|
collection |
remio 合集（按名称匹配） |
folder |
同步文件夹（按文件夹别名） |
search |
全库搜索（按 query 关键词） |
| 值 | 说明 | 笔记读取量 |
|---|---|---|
overview |
概览级别，重点列出主题和关联 | 少 |
standard |
标准级别（默认），包含跨域桥梁和缺口 | 中 |
deep |
深度分析，详细分析每条笔记内容 | 多 |
| 值 | 说明 |
|---|---|
last_week |
最近 7 天（默认） |
last_month |
最近 30 天 |
在 logic.py 中有一个 KNOWN_FOLDERS 字典，用于将用户友好的名称映射到实际文件路径。你可以根据自己的 remio 同步文件夹配置进行修改：
KNOWN_FOLDERS = {
'Clipping-微信群聊': '/path/to/your/Clipping/微信群聊总结',
'Documents': '/path/to/Documents',
'Desktop': '/path/to/Desktop',
'Downloads': '/path/to/Downloads',
}system.md 文件定义了 AI 分析引擎的行为。你可以修改它来调整：
- 输出格式（Markdown 模板）
- 分析重点（例如更关注某个领域）
- 语言风格
- 规则和限制
所有生成结果保存在 remio 的 state 存储中（moc_history key），最多保留 100 条。每条记录包含：
- 生成标题和类型
- 来源域信息
- 源笔记列表
- AI 生成的完整文本
- 是否已保存为 remio note
- 发芽笔记：从单条笔记发散洞察（深度方向）
- MOC 知识地图：从笔记集合发现关联（广度方向）
- 推荐工作流：先用 MOC 地图发现关联 → 再用发芽笔记深入挖掘某条笔记
- 微信聊天摘要管道（Claude Code skill + Gemini）自动运行，负责知识采集
- MOC 知识地图是知识消费层，不会干扰采集管道
- 两者通过 remio 知识库自然对接
A: 通常 30-60 秒，取决于笔记数量和分析深度。overview 最快，deep 最慢。
A: 支持所有语言。AI 引擎会根据笔记内容自动适应。UI 界面支持中文、英文、日文。
A: 目前不会自动更新。你需要手动重新构建。每次构建会作为新的历史记录保存。
A: 本 aApp 运行在 remio 的 embedded runtime 中，所有数据处理都在本地完成。AI 分析通过 remio 的 run_prompt 接口调用，数据流向与你在 remio 中正常对话一致。
A: 单次 MOC 构建建议不超过 40 条笔记（受 AI 上下文窗口限制）。如果域内笔记过多，可以通过 query 参数缩小范围。
A: 可以，使用"跨域深度总结"功能，选择 2 个或更多的合集进行分析。
- 自动增量更新：检测已有 MOC 的源域变化，提示用户更新
- 可视化地图：生成交互式知识图谱 SVG（节点 + 连线）
- MOC 嵌套：支持 MOC 内引用其他 MOC（多层知识地图）
- 定时知识发现：通过 scheduler aApp 定期运行知识发现扫描
- 导出格式：支持导出为 Mermaid 图、OPML 等格式
- 多语言 UI 完善：英文和日文界面的完整翻译
欢迎提交 Issue 和 Pull Request！
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/amazing-feature) - 提交修改 (
git commit -m 'Add amazing feature') - 推送分支 (
git push origin feature/amazing-feature) - 创建 Pull Request
修改文件后，在 remio 对话中说"使用 aapp-studio 重新部署 moc-map"即可热更新。