Ima知识库应用的几点分享

0、引言

简单回溯下我使用ima的过程，形成了阶段性的总结文档（简单类比封装成openclaw的skills）

1）IMA是什么？

ima官方知识号总结得很好。

①腾讯出的，用的deepseek和腾讯自己的模型（差点意思，但由于知识库使用的是RAG压缩生成而不是大模型的tokens概率生成，差一点也能接受）；

②知识库，你自己的数据资产，可以交给他管理，目前市面上我还没有发现比IMA更好交互的管理工具；

这点很重要，相比于豆包等通用大模型，ima具有长期的资产可积累性，更利于团队共享协作，降低幻觉（仅基于你的知识库执行任务），免费（flomo浮墨笔记软件一年会员费近百元）。缺点就是内嵌模型跟国际领先SOTA比起来，差得不是一点半点。

2）IMA能干什么？

IMA官方知识库给了我很好的提示。三类场景：专业服务、团队协作、个人学习；三类核心功能：知识库管理、问答、创作。

1、知识库管理

1）数据类目

以下是ima官方给的指引，大体是这些，但过于泛化了，不太具有针对性。

我自己理解起来有这样几类数据：

① 政策法规及行业标准规范

② 精品论文或公众号文章

③ 上市公司财报

④ 项目与研究案例

⑤ 个人工作非敏感文件

⑥ 其他

这个其他，涉及到一些语音、视频类的资料，转化为可读性更强、文件空间更小的文本、图像资料，那首先第一步是要去各种网站上把语音、视频类的资料donwnload下来。

a.电子书籍，使用zlibary镜像网站：

b.抖音短视频，复制链接→发送给豆包→提取文案；

c.视频号短视频，转发给元宝好友→提取文案；

d.抖音长视频，使用Parsevideo下载→上传至通义听悟→提取方案

e.视频号长视频，使用GitHub工具wechatVideoDownload下载→上传至通义听悟→提取方案

网盘下载链接：https://pan.quark.cn/s/02054d6f9664

f.播客，在chrome或edge浏览器安装cosmos enhanced插件→复制小宇宙APP的播客音频链接→若文件≤200M，将音频上传至ima解析；若＞200M，上传至通义听悟→提取方案。

cosmos enhanced链接：

以下是我个人的知识库一级类目，没有系统去梳理过，偏随意。

数据资产的来源主要为以下几类，重点是可动态更新：

① 知识广场其他知识号转存：如上截图中红框处；

② 微信聊天、微信收藏、公众号或浏览器文章转存；如果是浏览器，需要安装下ima的插件；

③ 个人文件或文件夹批量上传；这里最好是能够上网的数据，单位的一些敏感数据，最好慎重。

④ 笔记或问答结果转存；有些与AI交互的精华可以转存到笔记中，单个笔记支持上百万文字，如下：

⑤ 录音纪要或录音上传；这点是很好用的，比如我们去参加行业的会议、培训会、项目专家会或者领导甲方讲话，都可以录音，放进去，形成知识库素材，如下截图：

2）tips

AI工具能提高效率，是种诱惑，但个人也要注意采取一定的措施；简单假设ima属于腾讯大厂的，不太能把用户的隐私出卖，但始终还是要注意。

以下是ima官方知识号给出的建议：

官方说的这些，都挺好的，需要一一对照检查。

我自己的使用体验：

一是不要以为ima知识库内的文件设置为「不可查看」就以为万事大吉了，如果知识库分享出去，别人可以看到你知识库的文件名、AI摘要，然后通过「提示词」可以逆向工程把你的内容用ima导出来；

二是涉及个人数据（比如体检报告、私人笔记）或单位数据（比如工作文档），放在「个人知识库」中，不要放入「共享知识库」中，更不要发布到「知识广场」上。

2、问答与搜索

1）应用场景

以下是ima官方给的应用场景。

我自己觉得「查询」应用场景有几类：

① 标准库的知识；比如某个规范、某条政策、某类规划案例的查询；

② 某某大佬的某个观点，我们印象中大佬讲过，知识库里面也有相关资料，比如录音，则可以问ima原文是什么、出处在哪里；

③ 某份excel、报告或数据库中的数据。

2）tips

以下是ima官方给出的指引：

这个涉及到「提示词」，也就是AI交互了，是一门大学问，一时半会儿说不完，我还在学习，在这里也不赘述了。大体记录几个tips：

① 打标签；对部分重要的数据文件，可以打上「#标签」，这样可以针对某标签提问，针对性更强，因为模型不是万能的，如果知识库文件太多，有可能超过了模型的检索能力边界，导致找不出来，所以我们如果能够准确缩小范围，对于结果应该是有用的。

② 分场景提问；需要个人对知识库的内容较为熟悉，知道你所要问的问题，大体在哪里。可以基于「标签」提问，可以基于「知识库」提问，也可以基于「文件夹」提问，甚至可以基于单个文件提问，用多了，自然就知道了。

③ 精华问答即时转存至笔记；这点很容易忽略，因为在上千个文件的知识库中提问，当你想回溯你之前的问题或者接着提问的时候，你很难记得住你曾经在那个文件夹或文件里面提过问题了，这个时候，你找笔记是最好的，而笔记，反过来，又可以加入知识库，形成你的知识素材。

④ 不要完全相信ima给的数据或回答；要去核实下，头脑中对ima给的结果如果有一丝的怀疑，都要点进「引用文献」去核实数据来源。

⑤ 个人需要有对模型能力的判断力；有时候，可以用ima去问然后自己去核查；也可以调用gemini等更强的通用模型去问，也许会有意想不到的结果。

比如问京沪高铁历年的业绩数据：

ima的结果如下，居然没有2021年的数据，不科学，这时候只能自己去查ima中的2021年的财报：

而gemini结果如下，跟ima给的数据是对得上的，多了某年份的背景信息，也补齐了2021年的数据：

gemini甚至还给出的具体的上下文解释，如下截图：

因此，在这种「非私有化数据」的场景下，通用大模型能力更强。

那为什么我还是在知识库中丢了「交通行业上市公司财报」的数据资源呐，直接问gemini3不就好了吗？我自己想的是，上市公司财报是高质量的数据资产，里面不仅有经营数据，更有某些细分的行业的发展趋势，是管理层那帮大佬一年一度写出来的，是值得我们个人的知识库作为高质量数据源进行引用的，另外一点，我反正先把我的知识库数据资产建立起来，ima的模型能力将来某一天会升级的，当模型也变得厉害的时候，有可能会生成不一样的、更好的东西，交给时间。

3、内容创作与协作

1）生成PPT

不适用。

目前生成的PPT字太多，字过小，图太少，不太美观，更像是对外发布的报告，而不符合PPT阅读习惯；生成时间过长，32页PPT，耗时近1小时14分钟，着急的时候，只能干着急。

2）生成报告

这个功能我应用相对多一些，可以生成整体报告（还可以用任务模式-深度报告），也可以生成几段话（创作或修改），可以在笔记里面生成内容。

写个人总结可以用，写标书可以用，写论文其实也可以用。

关键是要喂给模型合适的「知识」，这就是第一步里面的「知识库管理」的内容，是一个长期迭代积累的过程。

3）生成播客

如果没做自媒体，用处不是很大，但这个功能其实ima做得还不错，语音较为真实。

4）生成流程图

这个功能比较适用。可以基于知识库的单个文件进行「总结内容」，转存到笔记里面，根据自己的理解进行内容调整与修改，再针对笔记生成「流程图」，流程图可以导出图片，也可以导入到xmind软件里面再创作「如换主题、改内容或持续更新内容」。

很棒的功能。

5）分享

这个功能也比较适用。自己写的笔记可以导出为PDF文档，分享与人；知识库生成的内容也可以按「长图」模式分享与人。

也可以添加管理员，一帮人一起建知识库。

6）tips

以下是ima官方给出的该场景下的应用注意事项。

这个功能我使用得较多，我个人觉得主要有几点：

① AI意识。拿到一个活，先想一想，AI有没有可能帮我，知识库有没有可能帮我先理一下，比如去年写一个院内课题申请的报告，时间比较紧，我就想用AI帮我写，首先是喂资料，我把知网上相关的「核心期刊」论文、院内相关的报告（可上网的那些）、搜一搜出来的相关的公众号文章，喂给IMA，然后整体写一个。不行，但可以提供思路，拓展思维；然后我会结合领导的想法及自己的思考，理一个简单的框架（这一步，AI目前只能是辅助，就跟AI做PPT一样，可以自动生成，但效果不理想），然后分别再逐段找IMA帮我写。

为什么不用通用大模型，是因为那些写出来的东西，太空，太泛，很可能更不好用，如果把自己的内容喂给通用大模型比如gemini让它去写，写出来的质量也许要好一些，但麻烦，知识库管理远不如ima来得好。

② 找应用场景。学ima的技能，是死的知识，很简单，有个技术文档即可，或者看别人的帖子即可，一抓一大把，但更为关键的，是要找到自己的应用场景，一步步真地去用，去迭代自己的技能，这样才能更好地与AI交互。比如，对我来讲，比较适用的一个技能，好比我有个框架，把一些相关资料给ima帮我写了个初稿，然后我去找甲方或者专家汇报，汇报过程中我会做PPT，也会在汇报的时候用IMA录音，回来后，我就可以结合领导的要求或自己的新想法写提示词，基于录音或汇报文件，让IMA再帮我重新修改报告，这是很适用的，它能够将那些以前的「祼数据」用活，要在以前，可能专家会也会录音，但录了也就永远躺在手机里面了，也不会去看它，还占用内存，而现在，ima录音可以自动生成纪要、可以自动转文字方便我位拉着看或者查询某位领导讲了什么话，也可以基于ima录音进行干次创作，这个小小的场景，就把工作流都与AI能力结合起来了。

③ 去掉AI味。AI目前我觉得还是以辅助为主的，因为它没有人类的「社交、工作、生活」等等「上下文」，哪怕openclaw，也只能局部的上下文，所以，AI还做不了80%的数字分身，这是输入端；而过程端，IMA的模型能力还不强，还存在幻觉，当然只可以等着模型升级，但我们还是要先用起来，IMA写的东西，跟notebooklm好像差不太多，但相比gemini3 pro来讲，我觉得「人味」要少，它喜欢制作一些双引号括起来的新概念，喜欢在段落里面打些冒号，喜欢写一些大词空词，这些，我们都没有办法在当前阶段直接把「AI生成的报告」直接交出去，而是要借助AI的部分能力，融入到我们的工作流中去，提升效率。

对于这一点感触，有点类似于我在学习研究AI生成PPT的最终结论一样，AI只是提供思路，辅助框架，做素材，但最后进行「系统集成」的那个，还是我们这个「拥有足够多的上下文」的人类生物智能体。

4、应用实例

1）使用ima查阅财报中的行业信息

以下是ima回答的结果，我转存到笔记「0-临时」中，就可以分享成长图了：

之后，可以让ima对文件夹或者单个文件进行总结，画脑图，辅助我们认识整体这个文件素材的概要，以便于提问。

然后，每个人就可以发挥自己的主动性，在好奇心的驱使下，与AI进行对话了。可以让IMA给你出问题、优化提示词，也可以你反驳他的答案让其重做，比较简单，不演示了。

2）使用ima进行写作

step1.使用「任务模式」生成报告，会花点时间。

step2.ima写出来的文章，AI味太深厚（是我提示词的原因），将文章转存为ima笔记，如下截图：

step3.ima写出来的文章，还有有点生硬（我提示词的原因），采用ima的帮写功能（实际上，我自己的习惯，我会让gemini3 pro也写一篇，然后导入ima笔记，再让ima的AI在帮写），如下截图：

生成的结果，好了不少。

step4.然后针对其中某一段内容，如果觉得不合适，还可以再让AI帮写。

结果勉勉强强（说的像人话了，但离专业又远了一些），但也离不开人类这个「生物智能体」的介入，也需要在用的过程中，不断调教，封闭成自己的skills库。

使用ima的过程中，得到了不少同学的启发与教导，在此感谢@同学们。