“垃圾进，垃圾出”是计算机行业中一个普遍的概念，输出的质量基本由输入的质量决定。
当下常见的大模型数据来自于全网数据，生成的内容常常给我们一种“这还用你说”的感觉，问来问去都是一些车轱辘话。
尤其是关于知识的搜索，对于从事特定行业的人来说，他们想要进阶信息而不是基础知识。
厂商们多少也意识到了这问题，所以就有了“预训练”、“微调”之后端出来的各类行业大模型。
但对于个人来说，这种专为Tob而生的方案显然不能解决问题，且不提自己所属的行业有没有对应模型，从事不同岗位工作所需要的知识和能力也大不相同。
对于这类需求其实有个专属名词——
个人知识库。
终于，硅基君找到了一款提供类似功能的AI工具，腾讯最近出的ima.copliot。
举个例子，硅基君有一个专注研究商超的同事离职了，他写了很多关于超市的稿件，观点详实且独到，收获一堆阅读量10万+。
现在新同事想学习一下他的深度观点，一篇一篇查太麻烦，把他们全部导入ima，就可以随便问了。
比如问ima“盒马为什么干不过山姆”，基于同事稿件生成的内容比基于全网数据生成的内容，更加具体完整。
相较于模型微调，ima给了一个更加便捷的方法。
此外，除了基于知识库建立“第二大脑”，ima在“搜”“读”“写”三个领域ima都引入了AI。
ima在保留常见的AI搜索功能外，增加了基于本地知识库的AI搜索。
AI搜索能够直接对内容进行总结并呈现给用户，提高了信息的获取效率。然而，AI搜索模式存在弊端，其生成的结果非常依赖于传统搜索引擎的内容，并且用户没法决定AI选择哪些内容进行参考。这也就导致AI搜索更像是一个“全网舆情翻译器”，内容宽泛深度不足。
ima基于本地知识库的AI搜索，就可以对全网内容进行补充，就如硅基君在上文提到的那样。
在知识库的建设上，ima提供了了本地文件上传和网页抓取两个途径。进入ima左侧边栏的知识库中，用户可以批量上传pdf和word格式的文件。此外，用户通过ima打开网页，并将网页保存到知识库中。
然而，离线后知识库没法使用、知识库和全网内容没法混用，是ima存在的两个问题。基于全网的AI搜索不能用可以理解，连本地上传的知识库内容也一并消失。
ima没有应该没有部署本地模型，全部在云端，不联网就没有AI功能，因此断网后ima无法处理本地的知识。好处是基于云端的AI软件对电脑配置要求不高，但本地上传文件的隐私问题值得关注。
ima的搜索功能，相较于天工、kimi等其实区别不大，只不过强调了个人知识库搜索这个概念。在实际中，ima的知识库存储空间为1GB，并且可以长期保存，而天工和kimi等需要在对话中，文件上传大小和个数有限，并且在新对话中需要重新上传，更像是文件解析。
ima的“读”功能，既可以分析用户上传的文档，也可以直接分析网页。
文档解析的难点在于准确识别，硅基君上传了一个pdf版本的机器人研报，ima很好的识别出研报中一个表格中的内容。网页中的图片，ima也能精准识别，比如网易云音乐的公告时间。
而读取网页内容时，ima提供了翻译、AI解读等更多功能。
其实，无论是ima的AI搜索还是文档解析，类似的功能都已经有人做过，记笔记功能是ima的关键所在。
比如硅基君用AI总结了一篇文章，ima会提供一个笔记按钮，可以将AI生成的内容直接记录下来。用户也可以在ima的网页解析中，把好的内容划线记录，侧边栏的对话也支持一键记录。
经过整理后的笔记，可以再一次添加到知识库中，方便再一次使用。可以说，ima无处不在的“笔记”功能真正让搜索和解析的知识沉淀下来。
建立一个不断打磨的知识库，才是ima带给用户最有用的功能。
此外，ima还提供了AI帮写，脑图制作等功能，与其他AI软件比没什么特别的，值得一提的是ima非常克制的没有做智能体，保证了界面的整洁。
用户使用常见的AI软件，结合笔记，同样可以实现ima的功能，只不过ima把它们结合起来，让它们使用起来更加自然。
然而，和大部分大厂出品的AI软件一样，ima只能用腾讯自家的大模型，使用前要登录微信账号，显得有点封闭了。
ima是一个不错的个人AI笔记工具，但这类工具的关键还在于使用者，真愿意每天沉淀的朋友，给他个word都行。
全文完。