写在前面
本文转自：特工宇宙
就在刚刚过去的这周中，我们关注到一个刚刚对外发布上线的 AI 应用，名叫 ima.copilot，来自鹅厂 PCG 团队。
目前产品仅支持 Mac 端，在官网即可下载体验。
01
ima copilot 的产品定位是个人知识助理和效率工具，属于大模型应用的理性慢思考类型。
产品的 slogan 叫做「智慧因你而生」，「会思考的知识库，开启搜读写新体验」；从中可以看出，其价值目标是利用大模型通用知识，加上用户个性化知识，为用户在搜索、阅读、写作场景提高效率和提供洞察。
https://ima.qq.com/
ima copilot 主要有三大功能模块，分别是搜索、知识库、笔记。
一、搜索模块
ima 可以直接提问基于全网资料搜索，也可以基于个人知识库搜索；搜索时支持截图识别或上传最多 10 个文件。
AI 搜索的整体体验较好，达到了市面上同类搜索产品的体验预期。回答内容准确、结构清晰，有参考资料列表以及文内引用，点击资料可在产品内直接打开链接阅读原文，并将原文添加进知识库；
除此之外，在回答下方，除了有相关度高的发散引导追问，还可一键生成思维导图、一键将回答添加至新的笔记。
二、知识库模块
知识库首页呈现的是所有从本地添加的文件或从端内保存的笔记，还可以对知识库的每篇内容编辑标签，知识库右侧还有可以快速唤醒的 copilot 模式的核心问答功能。
知识库内也有 AI 搜索入口，可以基于知识库内容进行问答。
三、笔记模块
除了上述有提到的，可以将 AI 回答内容和链接原文内容一键添加到笔记内，ima 笔记重点有写作功能和解读功能。
在首页点击「智能写作」，可以看到有论文、作文、文案的类型模板，满足学习和生产的内容诉求；用户除了输入主题要求，还可以从本地或知识库添加参考文档给大模型作为内容生成的范例。
新建一篇笔记后，输入斜杠「/」即可快速唤起 AI 辅助创作。
对已有的内容，用户可以鼠标选中后，打开 ima 对内容作解读，或者使用 AI 写作的扩写、缩写、多语言翻译功能，实现高效编辑修改内容的目标。
ima 首页还可以添加知识库文档作 AI 解读；甚至当用户在本地的 finder 文件夹挪动文件时，都会触发快截入口，提示可以将本地文件拖动到 ima 里作解读。
02
在体验下来，我们也斗胆提一些拙见（目前产品刚刚上线，还有一些进步空间，相信未来会优化地很好的！）
目前点击左侧边栏的「知识库」和「笔记」功能入口，每次都会打开一个新的页面，与预期进入知识库或笔记功能的一个固定的首页、然后再点击进入具体某条内容不一致，造成产品顶部有多个页面标签，体验上有些重复冗余，有一定迷惑；希望能有更好的固定的总-分结构感。
在知识库模块，目前从端外添加知识库文档，只能来自于本地文件；将来如果可以打通腾讯生态体系内的内容，如可支持添加腾讯文档、公众号文章、腾讯会议纪要，将会有更灵活的形态格式，给用户更高的便捷度和内容丰富度。
知识库里的内容标签，目前也只能用人工手动编辑，并且暂未支持按标签筛选内容或串联相关内容；而一些产品如 flomo 可以根据对标签及内容的理解，已经可以用 AI 搜寻提取联想到的内容，更接近人类思维的发散性和关联性、带来启发。
个人知识库本质是用 RAG 技术，把用户的个人知识，通过向量化存储嵌入，挂载给大模型，必要时从中检索并最终生成，给通用大模型添加“记忆”，补充特定垂直和个性化场景的数据。
但在真实生活中，人类处理信息除了会对内容标签化分类，还会根据对个人目标的影响、相关对接人的属性，将信息区分长短期价值、区分重要紧急程度；结构化存储记录内容，是为了从内容中更好地抽取使用可消费的信息。
所以产品后续也许可以考虑，在当前知识库的基础上，更完善地做一个用户的第二大脑，不仅是往记忆外挂库里放内容贴标签，更可对内容构建更丰富的维度和梯度，从而更接近用户的思维习惯、行动方式。
在笔记模块，笔者体验 AI 对内容深度解读时，ima 的解读回答内容中，似乎露出了 prompt 的人设，虽然从写 prompt 角度，这个角色可以对内容质量有好处，但人设与 ima 本身不符，还是让用户感到出戏。
另外，将 ima 与个人 AI 助手 Me.bot 相比，同样地，Me.bot 也主打以“个人记忆”为切入点，塑造一个与用户共生的 AI，让大模型与用户一起经历生活中的方方面面，通过用户向 AI 随时随地分享内容想法，让模型也逐渐向这个人学习训练，模型在不断更新中学会接近用户的“思考”方式。
ima 也在这一方向探索践行，但不同之处在于，目前 ima 优先只做了桌面端，推测还是以工作学习的场景为主，接近用户效率理性的一面，而不是多元立体的个人，并且目前还没有执行任务、自我反思这些完善的体系化的 AI Agent 功能，期待团队后续的产品规划。
03
在体验中还发现一处细节。
在一个全网搜索的 case 中，12 篇引用的参考资料里，有 8 篇来自微信公众号文章，其余有来自百度文库、搜狐等网站的信息，由此可以看出独特的信息数据源之于 AI 应用的重要意义。
现在市场上各互联网大厂和大模型厂商，都在大模型应用层赛道尝试发力，这考察的是基础模型能力、数据的量和质、以及产品力；各家有所擅长或不足的高下，业内也众说纷纭。
从 ima 来看，其接入的是混元大模型，据悉模型已经公司内和社会外的测评检验位列国内第一梯队；数据层面，腾讯有丰富的公众号文章、浏览器搜索内容，甚至个人的文档、会议内容等，有很多融会贯通的空间；产品力的优势，也可以从 ima 整体环环相扣的结构体系、便捷开放的功能入口中窥见一隅，当然产品刚刚问世，团队也正密切重视用户反馈以优化体验细节。
腾讯推出 ima 个人 AI 知识助理，是在大模型应用向个性化价值、慢思考长期价值的探索。
通过个人知识库构建个性化数据，LLM 在通用知识的基础上，变得更懂用户个体，让过往分散零碎的个人知识变得有结构体系，为用户提高信息获取和处理的效率，并在已知信息基础上提炼新的洞察见解。
