用思维导图结构化Agent输入的工程实践

核心结论: 将思维导图变成 Agent 的外部编辑器，可以形成“快捷键唤起—结构化编辑—直接发送”的完整输入链路。

为了结构化表达，我做了一个 Agent 外部编辑器。

这个想法来自我使用 OpenMarkdown 时，通过 ctrl+g 切入外部编辑的体验：写到一半时按下快捷键，进入更适合编辑的环境，完成后再回到原来的输入框。我想把类似的体验放进 Agent，让用户不必一直挤在单行或多行输入框里组织复杂问题。

我选择的不是普通文本编辑器，而是树状思维导图。

编辑层面：对我来说，拖拽节点比在文档里重新调整层级更高效。

思考层面：我能同时看到内容的整体结构，更容易发现缺失或错位的分支。

内容层面：树状结构迫使我在发送前明确哪些是前提、补充和从属关系，而不是把这些关系留给 AI 猜。

如果内容本身的逻辑基本正常，那么经过思维导图整理后，发送给 AI 的文本也会天然带有结构。结构不是提交之后由 AI 猜出来的，而是在输入阶段就已经形成。

目前，我在 AI 编程助手 pi 中安装了一个 mindmap-edit 扩展，并把入口绑定到 ctrl+g。

按下快捷键后，扩展会读取当前输入框中的文字，写入临时的 prompt.md，再调用 pmind-browser，用 Chrome 打开基于 MindElixir 的思维导图编辑器。

用户可以在导图里拆分、移动和重新组织内容。点击提交后，只要内容不为空，它就会通过 pi.sendUserMessage 自动作为用户消息发送，并清空原输入框；如果取消，输入框仍然保留原来的内容。

ctrl+g 唤起 → 外部编辑 → 思维导图整理 → 点击提交 → 直接发送给 Agent。

思维导图能让表达形式结构化，但结构化的格式不等于有逻辑的内容。

如果输入本来就是一团没有逻辑的想法，工具最多提供拖拽和分层，不能替用户完成判断。它可以约束表达、提示用户整理，却不能凭空补上因果关系和清晰观点。

当前实现还不够顺滑。从输入框切到浏览器再切回来，会带来摩擦和割裂感。这也让我更确定：真正需要优化的，不是思维导图的编辑能力，而是它进入 Agent 输入框的方式。

我理想中的形态，是按下 ctrl+g 后，一个类似 uTools 的悬浮窗口直接出现在当前输入框之上。用户在里面用思维导图编辑，点击一次就提交并发送，AI 随即回答整理后的内容。

外部编辑器虽然叫“外部”，体验上却不应该让人感觉离开了对话。真正值得保留的不是思维导图这个形式，而是它所形成的输入链路：在发送之前给复杂想法一次整理结构的机会，然后无缝交给 Agent。

这个项目还在继续优化。如果后续把交互和稳定性打磨到可以公开使用的程度，我会整理代码和使用说明，并发布到 GitHub。