Rinwa 产品概览#

更新时间：2026-07-31
当前应用内名称仍为 Luma；Rinwa / 页间 是已确定的下一阶段品牌。

一句话#

Rinwa 是一款本地优先的个人信息阅读器：把 RSS、网页与公开视频整理成安静的 阅读流，让原文、翻译、摘录、笔记和自己的知识长期留在手中。

它不是“给 RSS 加一个 AI 聊天框”，也不以制造更多未读数字为目标。产品真正要 完成的是三个闭环：

1. 重要信息可以被持续组织成自己的阅读流；
2. 划下和写下的内容能长期保存、搜索并回到 Obsidian；
3. 无论来源是 RSS、JSON Feed、网页还是 Connector，都服从同一套安静、 可解释的阅读方式。

两项明星能力#

Rinwa 不把“AI”作为一个独立入口贴在阅读器旁边。真正需要被做深、也最能形成 产品辨识度的是两项直接改善阅读的能力。

一、本地语义搜索与新闻聚合#

同一个 Embedding 层同时服务于“回头找”和“减少重复”：

• 语义搜索让用户不必记住原词，可以用模糊概念、另一种语言或自然问题找到 曾经读过的段落、文章和知识；
• 新闻聚合用文章表示之间的语义距离，在近期时间窗内识别不同来源对同一事件 的重复报道，将它们折叠为一个可展开的 Story Cluster；
• 相关内容把正在阅读的段落连接到过去的文章、划线、笔记和引用；
• 有依据的问答先从本地找出有限证据，再交给用户选择的 AI Provider。

新闻的语义归类本身由 Embedding 完成，不需要让生成式模型逐篇阅读、分类或生成 主题。时间窗只负责避免跨时期的相似事件被误合并；来源列表、相似度说明和“拆分 聚合”让结果可检查、可纠正。搜索则保留 SQLite FTS，与向量召回通过 RRF 合并， 因为代码、日期、人名和 URL 仍需要精确匹配。

用户感受到的不应该是“我们运行了一个向量模型”，而应该是：重复新闻安静地收拢， 记不清关键词也找得到，任何结果都能回到原文。

二、原文优先的沉浸式翻译#

翻译不是生成一份替代原文的中文副本，而是在原有阅读结构中增加第二条语言层：

• 原文立即出现，译文按段异步到达，不阻塞阅读；
• 段落、标题、列表、引用、链接和强调关系尽量保持对应；
• 中文、代码、日期、纯数字、URL 和纯符号不送去翻译；
• 用户可以翻译整篇，也可以只选择一个句子；
• 原文与译文始终可以对照，失败时保留可读的原文和上一份成功缓存；
• 翻译 Provider、数据发送范围和消耗对用户可见，并可完全关闭。

它借鉴沉浸式翻译的低打扰对照方式，但服从 Rinwa 的阅读排版，而不是把网页变成 两份相互争夺注意力的文本。

共同底座#

两项能力共享同一组约束：默认本地、原文可返回、结果可解释、派生数据可重建、 离线与无 Provider 时仍能阅读。它们是 Rinwa 的明星能力，本地数据所有权和安静 阅读体验则是不能被牺牲的产品底座。

能力一的技术命题：Embedding 是阅读系统的记忆层#

Rinwa 可以用一句有技术辨识度的话解释自己的底层方向：

Embedding Is All You Need — to find your way back through what you read.
Embedding 是阅读系统的记忆层，不是阅读本身。

“Embedding Is All You Need for Reading”适合作为内部技术命题或技术文章标题， 但不适合作为没有解释的产品总口号。用户需要的是更好的阅读、理解和回想，不需要 先理解向量、模型或 RAG。对外仍然先讲“安静地读、把重要的留下”，再把本地 Embedding 作为这种体验能够成立的技术证明。

这句话在 Rinwa 中意味着什么#

文章段落、标题、划线、笔记、引用和用户查询都可以在本地获得一个可重建的语义 表示。它们因此不只靠相同关键词相遇，也能因为“意思接近”重新连接起来：

1. 找到：用 FTS 的精确匹配加本地向量召回，跨语言找到读过的内容；
2. 关联：把当前段落与过去的文章、划线、笔记和引用连接起来；
3. 回到：从搜索结果、相关内容或 AI 引用准确返回原文位置；
4. 组织：为 Story Cluster、保存搜索和知识主题提供候选关系；
5. 提问：先在本地选择有限、可引用的证据，再交给用户选择的 AI Provider。

这让 Embedding 成为来源、阅读、知识和 AI 之间的共同“意义坐标系”。它不是一个 单独的搜索功能，而是 Rinwa 从“文章收件箱”变成“可返回的个人阅读记忆”的基础层。

它不意味着什么#

• 不以向量替代原文。 原始文章、来源、时间、作者和用户知识才是事实来源； Embedding 只是可以删除并重建的派生缓存。
• 不做 vector-only 搜索。 专有名词、代码、日期、URL 和精确短语仍由 SQLite FTS、过滤器和规则处理；dense 与 sparse 通过 RRF 合并。
• 不让黑盒排序接管阅读流。 时间线、未读状态、订阅边界和用户规则保持明确； 语义信号默认用于找回与解释，不偷偷决定“你应该看什么”。
• 不默认上传阅读库。 本地模型和本地索引是默认路径；远端 Embedding 若未来 提供，必须独立说明会发送哪些内容并获得明确同意。
• 不把每次阅读变成 AI 对话。 用户可以只读、翻译、划线和离线搜索；生成式 AI 始终是可选的下一步。

设计判定#

一个新的智能功能只有同时满足下面条件，才算符合这条命题：

• 能指出使用了哪段原文或哪条用户知识；
• 没有 Embedding 或模型尚未就绪时，基本阅读仍然成立；
• 结果可以解释、返回原位置，并允许用户纠正；
• 派生索引有独立版本，可以后台重建而不清空正文和知识；
• 默认留在本机，不把“更智能”偷换成“上传更多”。

产品原则#

原文先出现#

打开文章时先渲染已经缓存的原文。翻译随后异步落在对应段落之下，不替换原文， 也不阻塞阅读。中文、代码、链接、日期、纯数字和纯符号不会被送去翻译。

本地是主场#

每台设备以 SQLite 保存自己的订阅、文章、媒体缓存、搜索索引和知识数据。普通 阅读不要求注册账户或连接托管数据库；断网时已经保存的内容仍可阅读。

AI 默认不越界#

翻译、摘要和问答可以连接用户选择的提供商，但外部发送需要明确的数据共享同意。 密钥在打包客户端中进入系统安全存储。没有配置 AI 时，阅读、搜索、摘录和本地 确定式回退仍然可用。

阅读结果属于用户#

笔记、标签、划线、引用和用户编辑过的摘要不是可随版本清空的缓存。Obsidian 是 双向知识表面：Rinwa 只管理明确标记的区块，并保留用户在 Vault 中写下的 Markdown。

当前已经具备#

阅读与来源#

• RSS、Atom、JSON Feed；
• OPML 预览、选择、导入、导出和重复合并；
• 礼貌的异步全文抓取、媒体保留、失败重试和来源健康状态；
• RSS Connector 与公开 YouTube 频道 Connector；
• Today、未读、收藏、单订阅视图和保存搜索；
• 每个订阅可选择是否进入聚合首页；
• ⌘K 命令面板与常用列表操作；
• 图片放大、原文链接与 URL 复制。

双语与 AI 阅读#

• 原文优先的结构化逐段翻译；
• 自动跳过中文、代码、日期、数字、链接与符号行；
• 翻译、摘要和正文使用独立缓存版本，普通应用升级不会让它们整体失效；
• 可编辑、可删除的摘要；
• 带引用的文章问答和流式回答；
• 可选的 OpenAI-compatible、DeepL 与自建代理接入；
• 本地多语言向量模型、FTS 与 RRF 混合检索，可在不可用时自动回退全文搜索；
• 模型下载、索引进度、暂停和重建状态。

知识与自动化#

• 笔记、标签、划线、译文、引用和文章收藏；
• 标签聚合与知识面板；
• Obsidian 受控区块写入和双向回读；
• 阅读文章、订阅、搜索、统计和知识的本地 MCP；
• 受令牌保护的 MCP 写入：添加订阅、标记状态、保存笔记、添加划线和导出 Obsidian；
• Connector SDK 的类型契约、权限描述、网络白名单和速率限制基础。

数据、同步与退出保证#

• 每台设备独立 SQLite；
• 基于 operation log 与字段时钟的可选多端同步，不复制整个数据库文件；
• Miniflux Provider 基础；
• 阅读统计、翻译与 AI token 使用统计；
• 订阅明文备份；
• 全量 AES-256-GCM 加密备份；
• 合并/替换恢复、定时桌面备份和保留份数；
• 应用升级与内容缓存版本分离；
• 抓取或派生内容更新失败时保留上一份成功结果。

多端#

同一套 React 界面通过 Tauri 2 进入 macOS、Windows、iOS/iPadOS 和 Android， 不为四个平台分别维护四套 UI。桌面端已经具备窗口、目录选择、外部链接、原生网页 窗口、SQLite 桥和安全存储基础。

开源与商业边界#

Rinwa 由 kappain 以公司产品的方式持续开发，客户端以开源方式发布。基础阅读、 本地 SQLite、导入导出与自托管边界不以托管服务作为前提。

计划中的主要商业服务是可选的托管 Rinwa Sync：用户为持续运行的同步基础设施、 账号、监控、备份与运维便利付费，而不是为取回自己的本地内容库付费。单设备用户 不需要购买同步；希望自己维护服务器的用户仍可沿既有协议自托管。

产品网站必须把“开源客户端”“可选托管同步”“当前仍在开发预览”三件事同时说清楚， 不能把尚未上线的订阅方案写成已可购买的服务。

仍需诚实标注#

• macOS 是当前主要品质目标，但尚未提供签名、 notarized 的正式安装包；
• Android 有开发预览包，仍需真实设备上的本地 SQLite、Keystore 与后台刷新验证；
• iOS/iPadOS 与 Windows 需要对应平台的构建、签名和设备验收；
• 移动端本地 SQLite Repository 已实现阅读路径基础，但 React 主流程仍在逐步从 开发 API 切换；
• iOS BGTaskScheduler 与 Android WorkManager 尚未接入；
• Connector 运行时目前以受控内置来源为主，第三方沙箱与完整插件目录仍在演进；
• MCP 当前面向桌面和本地开发环境，不在移动端直接运行。

官网、商店文案和发布说明必须区分“已经可用”“开发预览”和“计划中”，不能用平台 矩阵制造虚假的完成感。

产品结构#

来源
RSS / Atom / JSON Feed / 网页 / YouTube / Connector
                              ↓
本地内容层
原始 payload / 全文提取 / 媒体 / 缓存版本 / 健康状态
                              ↓
阅读表面
原文 / 逐段翻译 / 图片与视频 / 阅读偏好 / 手势与键盘
                              ↓
个人知识
收藏 / 划线 / 笔记 / 标签 / 引用 / Obsidian
                              ↓
可选能力
本地混合搜索 / AI 问答 / MCP / Luma Sync / Provider

官网应该传达什么#

官网首屏不再用“巨大的光球”解释阅读。它应让用户第一眼看到一张真正安静的阅读 页面，并在首屏回答四件事：

1. 这是什么：本地优先的个人信息阅读器；
2. 为什么不同：原文优先、跨语言、知识可带走；
3. 数据在哪里：默认留在自己的设备；
4. 现在能不能用：Android 开发预览可下载，其余平台如实标注状态。

首屏之后应优先展示两项明星能力，而不是立即铺开功能矩阵：

1. 语义整理：用真实的多来源新闻折叠和自然语言搜索，展示“同一件事，只读 一次；记不住原词，也找得到”；
2. 沉浸翻译：用真实文章展示原文立即出现、译文逐段跟随和选句翻译，表达 “原文不退场，译文自然出现”。

再往后才展开 Obsidian、本地数据、同步、多端、AI Provider 与来源支持。功能不应 被堆成企业软件仪表盘，而应围绕“读进来、读明白、留下来、带得走”组织。

“Embedding Is All You Need”可以出现在技术页、开发日志或架构说明中，用来解释 搜索、关联、知识和 AI 为什么共用一层本地语义基础；它不应取代首页面向普通用户 的主标题。

品牌表达#

• 中文名：页间
• 英文名：Rinwa
• 英文含义：来自 read inward
• 中文标语：把重要的，读进自己。
• 英文标语：Read quietly. Keep what matters.
• 英文说明：A quiet, local-first reader for the open web.
• 技术命题：Embedding Is All You Need — to find your way back through what you read.
• 技术短句：Embeddings are the memory layer for reading.
• 语义聚合：同一件事，只读一次。 / One story, not ten.
• 语义搜索：记不住原词，也找得到。 / Search by meaning.
• 沉浸翻译：原文不退场，译文自然出现。 / The original stays. Translation follows.

图标中的两片纸页代表原文与译文，中间的负空间代表阅读路径。墨绿、暖纸白和克制 的陶土色是主要品牌颜色；图标不需要额外加入 RSS 波纹，RSS 能力由产品说明和来源 界面清楚表达。

适合公开发布的定位#

Rinwa 的竞争位置不是“功能最多的 RSS 服务”或“带聊天框的 RSS”，而是：

安静、原生的阅读体验 + 本地语义整理 + 沉浸式双语阅读 + 数据所有权。

它适合重视独立博客、技术文章、跨语言阅读、长期笔记和数据可迁移性的用户。收费 价值可以来自同步、托管便利和持续服务，但本地阅读、导出和用户数据所有权不应被 人为锁住。