1、可以先做个自我介绍，并简单介绍一下 Neural Flow 的核心功能吗？
你好，我是 Neural Flow 的开发者 peakcoder。虽然目前还在公司上班，所以严格来说算“半个独立开发者”，但业余时间几乎都投入在打造自己真正想做的产品上。
我一直的目标是——不一定做最实用的，但一定做 有趣、有想象力 的工具。未来也希望能持续深耕在 3D 可视化 和 创意 AI 工具 方向，用技术把一些原本只存在脑中的想法变成可以看见、可以交互的体验。
Neural Flow 是一款结合 AI + 3D 动态展示 的思维导图应用。它可以：
- 根据一段文字 自动提取结构化思维导图；
- 提供多种 可旋转、可缩放、可灯光调节 的 3D 展示风格；
- 支持 iCloud 同步、录制视频 / Live Photo、自由编辑、多语言 等功能；
让用户不仅能“整理想法”，还能用极富表现力的视觉方式呈现想法。
简单来说，Neural Flow 是一款让创意真正「看得见、动得起来」的现代思维工具。
观猹产品：https://watcha.cn/products/neural-flow-3d
另外在今年上半年，我还做了一款叫 「六爻起卦」 用 AI 卜卦的 iOS App，有兴趣可以下载来玩一下。
晴书相机 和 分花 是几年前为了泡姑娘做的，如你所见，都失败了。
感谢您的专访，也祝 观猹 社区能越办越好。
2、做 Neural Flow 的灵感来自哪里？你认为创意工作者在思维整理上最大的痛点是什么？为什么最终选择用「3D + AI」这种组合去解决？
最初，我其实只是想做一款“辅助记忆”的工具。
作为一个比较典型的“小镇做题家”，读书时我的高中书桌就是我的 Memory Palace（记忆宫殿）——我记得每本书摆放的位置、顺序。
所以最原始的想法，就是想把脑海里的那张书桌复刻出来：在 3D 空间里摆满代表我记忆的词条，而不是做一款 3D 思维导图。
最开始我甚至想用 NeRF、3DGS 去生成可交互的三维点云“空间照片”，让记忆变成能走进去的房间。
后来发现这个方向对云端算力要求过高，这不是独立开发者能够 cover 的。后来华为发布了一款 Remy，技术路径是一样的，看着就很酷。
而在我的工作和学习中，思维导图一直是使用频率非常高的工具——它不仅帮助我梳理提纲、整理思路，也同样是重要的“辅助记忆”方式。
慢慢地，我意识到：
- AI 擅长结构化信息——它能从文本中帮你“发现结构”；
- 3D 擅长表达关系——空间与流动感能帮助人类更直观地“看见结构”；
- 而流动的、动态的 3D 视觉，本身也更有助于记忆的形成。
于是，Neural Flow 最终定型为 3D + AI 的组合： AI 负责把混乱的想法结构化，3D 则负责把结构变得可看、可触、可记。
3、在 AI 自动生成思维导图时，Neural Flow 是如何避免“扁平化结构”或“过度层级化结构”的？如果用户只输入一句很短的话，AI 会如何辅助进行扩展或生成？
我在设计 AI System Prompts 时加入了几个关键机制：
① 层级限制 + 权重判断 AI 不允许无限制展开，而是对“主题密度”“相关性权重”“文本逻辑”做判断，再决定是否延展第二层、第三层。
② 语义聚类 相似含义会被自动归类，而不是扔成多个平级节点。
③ 关于极短输入的扩展策略
这个其实没特别去做“脑洞式延展”。因为 Neural Flow 的定位本身不是一个可以在 prompt 里许愿的 AI 工具，而是想给你一个提取文本本身的、可编辑的结构草稿。
如果用户只输入一句很短的话，那导图结构可能就只有一两个节点，更多是作为一个起点——后续让用户自己去补充、延展。
4、Neural Flow 目前有 16 种 3D 展示风格，这些风格的设计过程是什么样的？在 Shader、光照、粒子效果等方面，你能分享一些背后的设计逻辑或技术细节吗？
因为本身做了很多年 Unity 3D 的游戏开发，3D 的技术栈主要还是 Unity。
设计过程大概分为几步：
① 定义主题（Neural、BlackHole、Sculpture、Keycap…）
- Neural：流体 + 神经网络风格
- BlackHole：引力场 + 吸积盘
- Keycap：机械键帽质感
- Crystal：透明折射
- ……等等
② 各种风格的节点 Node 的 Runtime Generate Mesh 算法 主要是 Mesh 的点数和效果要做 trade-off：既要好看，又不能把手机卡死。
③ 设计 Shader / 光照逻辑
- 自写一些 RenderFeature、URP RenderGraph Pass
- 自定义 Shader 光照衰减、Fresnel、Rim Light
- 用半透明折射 + 高光做晶体效果
- 用 GPU Instancing + SRP Batcher 做大规模节点渲染合批优化（这个比较基础了）
- 用自定义深度、阴影贴图做光照方向变化和 Planar Soft Shadow
本来还想用 Ray Marching + SDF（Signed Distance Field）做 MetaBall 效果，电脑端效果还挺惊艳，但手机端性能太差了，只能忍痛放弃。
5、3D 导图虽然炫酷，但节点多时容易出现视觉拥挤。你们是怎么处理“大型导图”带来的视觉复杂度问题的？是否有节点布局优化算法，或对节点数量做一定限制？
我认为“大导图”不应该是用来限制用户的，而是应该通过技术让它保持可读。
Neural Flow 中用到了几种方法：
① 智能布局算法
综合使用了：
- 力导向（Force-directed graph）——Neural 当前用的主要算法
- 层级树状布局（Hierarchical Layout）
- 避碰算法（Collision Avoidance）
- 动态放缩（类似 LOD 的思路）
让节点自动避让、尽量均匀分布。
② 视觉权重系统
远处节点会自动“轻量化”：
- 降低亮度
- 减少细节
- 简化显示
让用户视线始终聚焦在当前关注的部分。
6、你在开发过程中提到 Neural Flow 是一个“learn everything at once”的项目。从个人需求出发，到真正上线，你觉得过程中最大的收获是什么？有没有印象特别深刻的瞬间？
我们正处在一个 AI 快速演进的时代，没有任何具体技能能保证永不过时、一直属于“保值资产”。
如果非要说有一种技能是“长期有效”的，那大概就是——快速学习新技能的能力。
很多大佬把它称为一种 元技能（Meta-Skill）： 它不是某个具体领域的知识，而是一种方法论、一种心智模式，让你能够在变化面前保持适应力，在新的工具、技术、机会出现时，第一时间抓住它。
这算是我最近领悟到的最重要的一点吧，反正有种“通透了”的感觉。
7、10 分满分的话，你愿意给你的产品打几分？理由是？
我会给 8.5 分。
理由是：核心体验已经稳定、独特、可用；3D 有一定的表现力；AI 与 3D 的结合目前看算比较自然的一种形态；整体上有比较明显的差异化。
8、除了自己开发的产品，你平时还在用哪些 App 或工具？
- Notion（资料管理）
- Obsidian（知识整理）
- ChatGPT-Plus（AI Codex / Vibe Coding）
- Things 3（任务管理）
- Notability（手写）
- Raycast（效率工具）
- TestFlight + 自己的 Beta 工具测试
9、你的日常工作流和生活习惯是什么样的？
工作日绝大部分时间还是在忙本职工作，下班和周末时间，相对比较多是在阅读和做独立开发。
阅读上比较钟爱 推理和科幻； 开发上则尽量把新的想法快速做成 Demo，看能不能跑起来、能不能玩得下去。
10、最后，请用一句话打动用户并让她使用你的产品
当你能看见想法，它们就会开始流动。