我在騰訊ima里，養了一個最佳員工

AI應用風向標（公眾號：ZhidxcomAI）
作者｜畢偉豪
編輯｜漠影

智東西4月30日報道，4月29日，騰訊ima在歷經530天的迭代后，發布了知識Agent“copilot”，內置個性化記憶系統、全場景伴隨感知、支持技能生態，還會隨著知識庫的豐富不斷進化。

這只小熊貓不止是看起來那么簡單，它會讀取你知識庫中的內容，包括你寫的文章、做的PPT、收藏的資料，隨著時間、任務完成次數的積累，不斷更新自己的記憶系統，變得越來越懂你。

如果用一句話介紹這只小熊貓，它是一個濃縮了你整個知識庫精華，隨叫隨到的知識伙伴。

那么它的能力到底如何呢？拿到測試資格后，第一時間進行了體驗，把各項功能都蹂躪了一遍。

一、個性化記憶系統，我擁有了永不離職的“最佳員工”

進入copilot頁面后起名字、選形象，然后點擊創建，就可以領養一只屬于自己的熊貓了。

創建完成后打開copilot設置，在記憶管理中有四個部分，分別是copilot設定、用戶檔案、長期記憶以及經驗技巧，對應著AI助手的人設、用戶的偏好、長期復用的關鍵信息以及任務完成過程中的經驗總結。

我創建了一只自己的小熊貓，起名叫最佳員工，希望它能努力給我打工，隨后提供了我的角色設定以及copilot設定，讓copilot以員工自居，稱呼我為老板，copilot很快接受了這個設定，然后更新了記憶文件。

設置完成后，我的copilot就會按照預設風格講話了，遇到任務先進行步驟拆分，然后有條理地執行。說話方式也變了，一張口就是”老板”前”老板”后，不油滑、不廢話，像一個真的工位在隔壁、隨叫隨到的得力員工。

同款最佳員工人設提示詞如下圖：

為了體驗記憶系統，我讓“最佳員工”學習知識庫中保存的智東西文章，總結寫作風格模板。輸入提示詞：“查看我知識庫中的公眾號文章，學習寫作風格、報道格式，總結成文章寫作模板存到知識庫，同時寫入記憶文件中�！�

這里給沒用過ima的小伙伴們解釋一下，知識庫是ima中一個很重要的功能，可以上傳PDF、DOC、JPEG、PNG等格式的內容，支持導入騰訊文檔以及微信聊天中的文件，還能在ima內部瀏覽網頁的時候，隨時收藏網頁以及筆記等。

此外，還可以點擊發現進入知識庫廣場，訂閱別人整理好的知識庫。

回到記憶系統，接收命令后，我的“最佳員工”學習了知識庫里智東西的文章，然后總結了寫作風格模板并存儲在了知識庫中，同時記憶文件也同步更新了，能看到copilot總結的寫作風格還是比較精煉的，也符合媒體傳播的特性。

二、梳理馬斯克訴阿爾特曼案始末，還能一鍵整理好所有資料

為“最佳員工”配置好基礎的設定后，我讓它執行了第一個任務：梳理馬斯克訴阿爾特曼案始末。在整個科技圈，最近這一案件可謂是沸沸揚揚，海量的信息充斥著互聯網，但對于很多科技愛好者來說，這些文章、視頻的角度都各有不同，想要形成對案件的完整認知相當麻煩。

于是我直接讓copilot去幫忙搜集信息并整理、總結這些資料，梳理案件的全部過程，輸入提示詞：“搜索馬斯克、阿爾特曼開庭事件的相關信息，分析、梳理事件整體脈絡并寫一個總結報告，將所有搜集到的資料以及總結報告分類整理到知識庫中�！�

copilot共抓取了24篇相關報道，生成了兩份Markdown文件，包括原始資料匯編以及總結報告，copilot在我需求的基礎上額外提供了資料的匯編，簡單梳理了馬斯克訴阿爾特曼案的時間線、爭議點、證據披露、庭審安排以及市場影響，還提供了信源列表。整體脈絡清晰，將案件始末用非常精簡的文字進行了整理。

對比原始資料匯編，copilot生成的總結報告更加全面，分析更具深度。比如copilot在總結報告開篇點出了核心爭議點：“OpenAI從非營利機構轉向營利實體的合法性，以及這一轉型是否背叛了公司創立時的慈善使命�！�

報告中還針對爭議點、庭審看點以及相關影響展開了深度分析，比如總結了馬斯克勝訴后對微軟、甲骨文、軟銀、英偉達等公司可能產生的影響。

不過copilot還存在著一些問題，比如原始資料匯編并未將具體內容和搜集的文章一一對應，想看具體情況還是得逐個翻閱文件。

還有，在第一次執行任務時，由于知識庫單次上傳數量限制，copilot只上傳了10篇文章，而實際上抓取了24篇文章，產生了文件缺失的問題，在我重新提示后進行了補充并更新了兩份文檔。

此外，copilot可以在ima的任何場景下調出執行任務，包括個人知識庫、網頁瀏覽、知識庫廣場等，只需要點擊右上角把copilot小窗化，即可將其懸浮在所有頁面上方。

比如我發現，copilot沒有抓取到智東西昨天發表的，關于馬斯克訴阿爾特曼案的文章，我點開這篇文章后直接在copilot的小窗中輸入提示詞：“分析這篇文章，將其存放到知識庫對應的位置，并根據這篇文章更新馬斯克訴阿爾特曼案的總結報告。”

可以看到copilot瀏覽文章后將其入庫，然后提煉了增量信息并補充到了總結文件中。

最后，在經過多輪對話后，為了檢驗copilot是否能真正記住并應用這些對話內容，從而達到減少用戶重復輸入的提效目的，我新開了一個對話窗口，讓它根據知識庫中的內容，自己尋找具體的選題方向，撰寫一篇馬斯克訴阿爾特曼案的相關文章。

輸入提示詞：“根據知識庫中的相關信息，擬定有傳播性的選題，撰寫一篇馬斯克訴阿爾特曼案相關的文章。”

隨后它給我提供了五個文章撰寫角度，并做出了自己的推薦，我選擇讓它組合前兩個角度撰寫文章。

能看到copilot嚴格按照總結的寫作風格模板撰寫了文章，選題和切入角度精準、標題比較吸睛，文章格式整體符合要求，語言凝練簡潔易讀，且抓住了新聞時效性，將當天發生的事情寫入了文章。

三、壓力測試：批量文件、超長文檔處理都能駕馭

前面copilot的表現相對來說還不錯，所以我決定給“最佳員工”上點強度，在前面的體驗中已經能看到copilot處理復雜指令的能力了，但對于大批量文件以及超長文檔的處理能力如何還有待驗證。

我上傳了一個包含115篇文學論文的文件夾，其中不乏動輒八九十頁的大部頭論文，讓它把這些論文按照不同的研究主題進行分類，輸入提示詞：“查看這個文件夾里的文檔，按照不同的研究主題分類整理這些論文。”

雖然耗費了一些時間，但copilot基本完成了任務，它查閱了文件夾里所有的論文，然后根據研究主題向我提供了分類方案，將我文件夾中的論文分成了十個類別。

在我批準后，copilot執行了整理操作，流程非常清晰，過程也比較流暢，沒有出現任務中斷的情況，不過最終的整理結果有一部分論文被“丟下了”，并未被分類保存。

隨后我挑選了一篇78頁的論文，讓copilot進行分析總結，輸入提示詞：“分析這篇論文，寫一篇閱讀報告，說明這篇論文的研究主題、主要內容、研究方法以及啟發性思考。”

copilot閱讀了論文并撰寫了閱讀報告，完整包含了我需求中提到的幾個部分，格式清晰、語言凝練，基于論文本身總結，沒有“節外生枝”產生幻覺。

結語：騰訊ima的530天：從資料倉庫到懂你的知識Agent

從云端知識庫到可進化的知識Agent，copilot的上線，完全改變了ima的產品定位。

ima這530天的迭代，折射出騰訊在AI應用層的判斷：知識管理的終點不是存起來就可以了，如何能讓積累的知識資產增值、讓用戶上傳的資料不在收藏夾里吃灰、讓AI助手在用戶的知識庫中不斷成長，這些才是此類工具的發展方向。

ima copilot把記憶系統作為切入點，通過知識庫加記憶系統的組合，讓AI助手擁有了”長期記憶”，并且隨著時間的推移和知識的積淀，這個AI助手會不斷進化，成為專屬于用戶的知識Agent。

當然，實際體驗中copilot還存在一些問題，這也說明個性化AI助手還尚未成熟。

但方向已然清晰了：知識Agent的終極形態，是一個能理解用戶意圖、調度知識資產、持續進化的數字分身。