解决了AI聊天的10个痛点后，我又做了一个新功能：交叉分析表

前言

不久前，我写了一篇长文《AI 聊天应用的 10 条高级需求》，吐槽了当前 Web 和桌面端 AI 聊天工具的 10 个体验问题。从"找不到几周前绝妙点子"的全局检索 缺失，到"置顶所有等于没置顶"的分类混乱，再到分享代码格式尽失的导出难题......这些痛点，相信很多把 AI 当生产力工具的朋友都深有体会。

我的核心观点是：AI 聊天不应该只是一个临时的问答机，它应该是我可以深度挖掘的宝藏知识库。

光吐槽没用，坐而论道不如起而行。于是，我借助 AI 编程工具（我用 Cursor 帮我写代码，几乎完成了 90% 的工作量），把这些想法和需求，一点点变成了一个真实的应用，我给它取名叫 Pointer。

Pointer 的初衷就是为了解决我自己的问题：强大的全局检索、树状文件夹分类、一键导出带格式的图片、自由勾选对话合并导出......这些功能让我的 AI 聊天记录，终于从线性信息流，变成了井然有序的知识树。

然而，就在我开发和使用 Pointer 的过程中，一个全新的想法不期而至。

从"整理"到"对比"：新问题的浮现

在解决了检索、分类、导出这些"整理"问题后，我发现了一个更深层次的需求：结构化的对比分析。

比如，我想让 AI 帮我比较一下 Vue、React 和 Svelte 这三个前端框架的优劣，AI 可以给我生成一大段文字。但这些信息是散落在段落里的，我想把它们按"学习曲线"、"生态系统"、"性能"等维度进行对位比较，就得自己手动整理成一个表格。

这个过程非常繁琐。我意识到，AI 能够生成高质量的内容，但如果这些内容不能以一种利于对比和分析的结构呈现出来，它的价值就大打折扣了。我需要一个能让 AI 直接"思考"成表格的工具。

于是，交叉分析表（Crosstab） 这个功能的设计就应运而生。

Pointer 的新探索：AI 驱动的交叉分析表

交叉分析表本身不新鲜，但让 AI 理解并渐进式地构建它，是我想尝试的方向。我不希望用户上来就面对一个空白表格，而是让 AI 引导用户，一步步把脑海中的模糊想法变成结构清晰的分析表。

我设计了一个四步走的工作流：

第一步：定义主题。 你只需要告诉 AI 一个大的方向，比如"比较主流的编程语言"或者"分析三国时期的主要人物"。
第二步：生成框架。 AI 会基于你的主题，自动分析并推荐表格的横轴（比如：Java、Python、Go）和纵轴（比如：性能、开发效率、社区支持）。当然，这些推荐你都可以随时修改、增删。
第三步：填充内容。 框架搭好后，AI 会逐个填充每个交叉单元格的内容。比如，它会专门去生成"Python"在"开发效率"这个维度的具体描述。为了提高效率，你也可以让它一次性生成一整行或一整列。
第四步：交互和编辑。 AI 生成的内容不可能 100%完美。你可以在任何一个单元格里，让 AI 重新生成，或者自己手动修改。最终的控制权永远在你手里。

一些"不那么起眼"的设计思考

在实现这个功能时，我遇到了一些细节上的挑战，也做了一些取舍。

智能建议： 有时候我连横轴、纵轴该如何设置都没想好。所以我做了个"智能建议"功能，在你定义好一个轴之后，它会根据主题帮你推荐另一个轴的可能选项。
细粒度控制： 我不想做一个全自动的"傻瓜"工具。因此，你可以对整个表、一整行/列、甚至单个单元格进行生成、重生成、清空等操作。我希望在自动化和手动控制之间找到一个舒适的平衡点。
沉浸式体验： 分析复杂的表格时，屏幕空间总是捉襟见肘。所以我加入了全屏模式，这些小细节对提升体验其实挺重要的。