内容编辑丨特工女巫

排版审核丨特工少女

去年 11 月，特工宇宙率先关注到腾讯推出了 ima copilot，并带大家体验了这款围绕知识库展开「搜、读、写」生产力提效的 AI Native 工作台。

距离问世后不到两个月，特工们又惊喜地发现，ima 这次更新了两大重磅新功能：共享知识库，微信小程序。

用共享知识库，有好东西团队一起看！

在 ima 的知识库功能首页，侧边的「个人知识库」下方，新增了两个入口，分别是「我创建的共享知识库」和「我加入的共享知识库」。

首先来看创建。点击➕开始设定一个共享知识库的名称、封面、描述；然后就可以从本地文件或个人知识库，往这个共享知识库里上传内容；上传的内容以列表呈现，可以编辑标签，还可以看每条内容的 AI 摘要。

在创建后，如何达到「共享」效果呢？

创建人可以通过链接或二维码将支持库分享出去，邀请其他人加入，还可以设置知识库的权限，管理成员是否可查看文件具体内容或仅标题和摘要，设置成员加入是否需要管理员同意申请，也可一键将知识库转为私密。（这里必需要夸一下 ima 对权限的处理👍，在分享过程中可以放心管理不同人和内容）

在共享知识库内，有权限的用户也同样可以与 AI 基于知识库内容进行问答（访客有 3 轮问答机会，成员可无限次问答），AI会根据知识库内相关的多篇内容，提炼整合信息，并结构化呈现，提高用户学习生产的效率。

ima 的共享知识库，可以说对特工宇宙很实用了。

对内场景，特工们每天都会关注国内外 AI 资讯、研究大模型技术和产品，以及写作输出内容。用共享知识库的方式，团队可以方便整理沉淀大量的 PDF 文件、公众号文章、网页链接等材料。

然后在写文章时，特工就能快速用 AI 取用基于知识库的内容，在协作中提高知识管理和信息提取的效率（以前老板发的资料没点击显示文件过期了，还得灰溜溜去问同事，现在全在 ima 知识库方便太多了！）

对外场景，在特工宇宙的众多微信社群中，经常会有 Agent 开发者、AI 产品经理分享一些优质的 PDF 论文、网页、公众号文章等，这些内容平时散落在消息之中。

现在用 ima 就能很方便在社区内共建知识库，社区成员可以加入共享知识库，共同上传资料，其他成员便可在知识库内基于资料问答；还可将知识库进一步对外开放，扩大社区的知识传播影响力（再也不用把各个群的优质信息，打包同步到别的群里了！还能以此激励社区的小伙伴多多分享～一举两得！）

在微信就能直接用 ima 小程序

这次更新，ima 还做了微信小程版的知识库。

在ima小程序内打开 ima，可以跨端同步电脑上的内容。更重要的是，有了小程序的加持，用户可以将手机本地资料、微信聊天文件导入进知识库，在微信内浏览公众号文章、收藏、文件、网页等内容时，也可以选择用 ima 小程序打开并导入知识库。

此外还可以将共享知识库分享到微信聊天或朋友圈。（连接了微信生态，真的超级无敌丝滑舒适！收藏和文件传输助手终于不用吃灰了🥺）

ima 微信小程序还保留了基于知识库提问的能力，也可以切换到「问全网」模式，在知识库信息之外进行联网搜索问答。

测评使用发现，不论是问知识库还是问全网，ima 都能比较清晰地定位问题意图，找到相关性高的优质信息源，生成事实和逻辑准确、结构清晰、长短适宜的解答。

可以看出此次 ima 的更新，是朝着协作和数据源两个方向进发。

在协作方面，作为知识库、工作台产品，性质本身适合工作学习中的团队协同，因为团队相比个人有更大量的知识需要管理沉淀，并且会要求统一规范标准的信息源，还可以满足协作对更高效率的追求。

由此，个人 AI 工作台变成了团队的 AI 工作台，团队可以管理知识资产、协同工作信息。通过公开分享的知识库，用户可以与平台内其他用户的知识问答，让知识在流动中产生价值。不同于与他人 Agent 对话，用访问知识库的方式，用户保持更强的主体视角与知识本身交互，同时具有可信信源。

也许往后，ima 上会存在很多公开知识库，用户能享受 UGC 内容，平台也可尝试知识付费。

在数据方面，微信小程序补充了数据源。过去，APP 各自独立，如果在微信内看见好内容想要记录沉淀下来，需要打开多个不同 APP，然后手动整理；而现在有了小程序，信息流转更开放，操作化繁为简。

其实国内外市面上已有类似产品形态，不论是模型产品如 Claude Project，豆包、Kimi 桌面版，还是独立 Cubox、Flomo 这类知识库助理产品，在“越用越接近用户个性知识”的基础之上，各家都会探索用更好的产品手段获取更丰富的数据输入，然后用更高效的方式整理和输出。

而腾讯的 ima 在这一战里，幸得腾讯的微信生态，能接入海量高质量数据源，还能利用社交关系分享。

体验了两轮 ima copilot 下来，笔者批判思考发现，ima 目前存在的问题仍然是缺乏内容。对于知识流转整体来说，更自然舒适的方式，是先积累内容、然后提取消费。内容积累是需生长扩散的土壤，AI 可以在知识的整理和消费环节加持枝叶。

这一逻辑在市面上一些产品也可被验证，例如百度文库、网盘是先有内容基础然后做 AI 功能，飞书在知识库的基础上开始做共享付费，微信公众号、知识星球也是在基于内容做付费。

而现在 ima 这类产品，主要依赖用户从外部导入内容，虽然也有「笔记」模块智能写作，但目前的使用场景、频次、用户认知，可能还不足以支撑更重量级的「搜、读」。所以，ima 也许可以探索，除了在端内写作笔记和从外部导入，是否还有更多样的轻松便捷的方式，丰富用户在 ima 的知识内容；或者考虑探索能否更深入结合内容生产到消费的工作流程、或结合一些生产力业务系统，构筑更深的护城河。