AI 工具
用于理解、生成与自动化的模型能力，但始终保留清晰边界。
Akari拾光 把 AI 接入到真正会减轻学习阻力的地方：总结选中材料、围绕某个主题展开对话、生成测验内容，以及处理那些会拖慢学习节奏的重复性步骤。
这些能力都被有意控制在明确范围内。它们需要用户主动触发，通过 OpenAI、Gemini、DeepSeek 等 API 接入，并且不会把整个知识库打包后发送给外部模型提供商。
模型接入方式
AI 能力从模型接入开始，但只有绑定到具体学习任务时才真正有意义。
model_training
推理池
用户可以通过 API 接入多个模型提供商，而不是被单一智能来源锁定。
chat
对话助手
对话界面帮助用户针对选中材料追问、澄清和比较不同解释路径。
bolt
任务动作
AI 以面向对象和工作流动作的方式出现，而不只是一个脱离上下文的聊天框。
实际工作流
AI 的价值，来自它能缩短重复劳动，同时把判断权留在用户手里。
summarize
阅读辅助
选中的笔记或文档可以被总结、重述或压缩，帮助用户更快进入密集材料。
quiz
测验生成
AI 能把聚焦上下文转化为练习题，推动学习从被动浏览走向主动提取。
automation
自动化流程
重复性转换与初稿生成可以交给模型处理，让注意力留给评估、综合与决策。
安全与边界
能力是否可靠，不只取决于模型强弱，也取决于用户是否清楚数据是如何流动的。
ads_click
按需触发
只有用户主动发起某个动作时，外部模型才会被调用，而不是默认监控整个工作区。
api
API 接入
集成方式明确依赖外部 API，而不是隐式抓取、未知分享路径或不可解释的数据流。
lock
知识隔离
当本地任务只需要局部上下文时，Akari拾光 不会把整个知识库一并发送给模型提供商。
south_east
AI 越强，边界越应该清楚
我们希望 AI 帮助用户更高效地处理复杂材料，而不是替代阅读、提取和判断。真正的目标，是在保留核验与所有权的前提下，让理解过程更顺畅。