腾讯出品的 ima 与其他 AI 产品相比，有点不太一样。
24 年 10 月上线，ima 主打知识管理，使用 AI 帮助用户管理和高效利用自己的知识库，沉淀那些真正有价值的认知资产，对抗「信息指尖划过，却留不住」的普遍焦虑。
围绕知识库本身，ima 做了很多。
过去半年，ima 密集上线了个人知识库、共享知识库、知识库广场&知识号等功能，让用户不仅能自己构建知识库，还能将有价值的信息分享出去，实现知识共享与生态共建。据了解，今年 3 月「知识号」上线至今，积累近 1000 万篇内容，服务百万级用户的 AI 问答。
近期，我们邀请到 ima 产品团队进行对话。在 AI 技术日新月异的当下，ima 如何定义痛点？又如何在看似「古典」的产品打磨中，寻找 AI 落地的实践路径？ima 产品团队将为我们揭开 ima 这款产品的思考原点与进化逻辑。
以下是访谈人林珊珊与 ima 产品团队的对话，经编辑整理。
Founder Park 正在搭建「AI 产品市集」社群，邀请从业者、开发人员和创业者，扫码加群：
-
最新、最值得关注的 AI 新品资讯；
-
不定期赠送热门新品的邀请码、会员码；
-
最精准的AI产品曝光渠道
问：你们怎么定位 ima，这个产品有什么用？
ima 产品团队： ima 是一款效率工具，我们将它定位为基于 AI 能力的「搜、读、写」工作台。我们希望帮助用户更好地沉淀有价值的信息，并在需要时触手可及，提升办公学习效率。
ima 的产品名就包含了我们想做的事情，i 代表信息（information），m 代表管理（manage），a 是 assistant （助手）。
问：什么时候开始思考打造 ima 这款产品的？
ima 产品团队： 这个思考大概从 23 年底就开始了。我们最早思考的一个命题是：在 PC 场景下，AI 未来会有什么新机会？结合 AI 做效率工具升级，还能做哪些事？
我们当时是在 QQ 浏览器团队。浏览器是 PC 信息消费的入口，用户使用互联网，很多行为都需要通过浏览器再进入到特定场景。
移动互联网兴起后，用户处理信息的场景越来越碎片化、分散。很多行为分割在不同应用里，导致用户对信息的掌控感不强。我们每天接触大量信息，过后就想不起具体内容和观点，有种「信息从指尖划过，却留不住」的感受。
我们希望有个好工具，让这些信息更好地留存起来，做好数字化场景里信息的串联，这对用户而言非常有价值。
在这种情况下，我们早期做了几个尝试。比如在 PDF 阅读场景下，做了智能阅读助手，帮助用户提取长文章中有价值的部分，并将其转化为摘要或笔记。用户还可以基于 PDF 做 AI 问答，好的答案也能随手粘贴存档。
这类效率工具的需求和场景挺多的。大概是 24 年年中，我们更明确地思考，要打造一个独立的 AI 原生产品形态。
问：散落在各处的信息，构成了人们的想法、观点、知识。当你说想把这些散点串联起来时，我觉得画面感很强。
ima 产品团队： 对，这让我想起多年前微信出来时的兴奋感。微信简化了人与人的连接，提升了沟通效率。这类似于我们现在去做 AI 工具，要连接更多数据和信息，提升信息处理的效率。
开始做这方面的尝试后，我们团队小伙伴们都很兴奋。我们在会议室画产品界面，非常坚定地要做一个跟微信一样好用的产品。
问：打造 ima 是从 PC 端起步的，为什么不选择用户更多的移动端？
ima 产品团队： 当我们讨论 AI，特别是大语言模型带来的改变时，我们看到它能更快处理海量文本信息。如果每个用户都能更好使用 AI 工具，他每天处理和理解信息的量级会指数级增长，信息输出也会更高效、准确。
从这个角度想，哪个场景处理信息最多？我们认为是 PC 端。工作和学习电脑是每天处理信息量最大的场景，在这里做好应用，最容易让用户感受到效率提升。
如今 ima 在多端都有上线，小程序主要做微信文件的导入，因为微信是高频文件场景；移动端做碎片信息的导入和输出；PC 端是一个深度内容创作的工作台。
问：你提到的这种处理大量信息，提升生产效率的场景，能举个例子吗？
ima 产品团队： 我们早期有些热心用户，其中一位是自媒体从业者，每天有高频大量的素材收集需求。通过 ima，他可以让团队成员（比如 4-5 人）从各自视角找到相关内容（论文、报道、访谈纪要等），快速汇集到一起，形成一个知识库。创作文章时，这位自媒体人就可以利用 AI 调用 ima 知识库中的案例、观点作为补充素材，辅助写作，提升生产效率。
知识库可以看作更简易的 Agent
问：怎么理解 ima 的「知识库」？这个概念是怎么来的？
ima 产品团队： 「知识库」的设定源自于 RAG 技术，通过引用外部知识库的信息来生成答案或者内容，增强生成结果的效率和准确性。ima 其实是把这个技术层面的概念，上升到用户可交互的层面，让大家可以编辑、添加、管理自己的知识库信息，让 AI 基于自己打造的知识库范围生成内容。
问：用户使用 ima 知识库，有没有让你觉得意想不到的用法？
ima 产品团队：我最意想不到的是有位做白酒生意的用户。每天有很多下级商户来进货，他要回答不同人关于进货价格的问题，比如「今天五粮液多少钱一瓶？」「茅台多少钱一箱？」
每天回答这些问题很繁琐。他就把每个商品进货价格的截图放到知识库里，给知识库设置提问权限，再转发到微信朋友圈。他的生意伙伴就不用问他了，直接在 ima 里向知识库提问。这大幅提升了他做生意的效率，他还行业圈子里推荐我们的产品。
还有一位印象深刻的用户是律师。他在河南一家律所实习，对新工具好奇且愿意尝试，很早就用了 ima。他实习的大量工作是文案整理，比如律师接了委托，做了案情访谈录音，最后要变成文件材料。他要花很多时间把访谈内容拆解成案情关键要素，为后续诉讼流程、文案准备。
基于这些案情要素，他还要去分析辩护角度，查找当地类似案例的判罚等。于是，他在 ima 里把这些过往案件分门别类，建立不同知识库，通过 ima 更快地从原始访谈素材抽取关键要素，甚至绘制脑图，让律师、带教更快理解处理。
这个工具应用提升了效率。他发现有一定案例库后，输入类似案情，基于知识库回答，能更快找到参考信息。最后他把知识库和 ima 用法推广到整个律所，甚至在当地律师协会分享经验。
问：我觉得他们也都是非常好的创新应用扩散者。
ima 产品团队： 对，他们把领域最关键信息汇集起来，这些信息跟自身工作息息相关，沉淀下来的信息也非常有价值。如果能扩展到更多场景和领域，价值会非常大。
我们还看到杭州钱江海关的使用案例。有次我们收到用户反馈，在资料导入时的解析异常。处理后，我们了解到是杭州钱江海关在使用 ima。
他们很早自发就组织同事搭建了一个专业的通关邮件知识库。在他们的工作场景中，常常需要跟寄件用户解释什么东西可以寄、什么不可以、包裹被处理的原因等，有大量信息沟通环节。用知识库的方式，提升了他们提供服务的效率。
问：现在用户加入最多的是哪个知识库？
ima 产品团队： 行业研究投资相关的，比较受欢迎。也看到大家在分享更生活化的内容，比如星座、旅行、宠物饲养经验等。
问：从工具本身讲，不断降低使用门槛，才可能吸引更多用户来使用。
ima 产品团队： 对，我们要做的是把 AI 部分更好地融入功能设定，让不同群体都更易用上手。
问：降低门槛这部分，你们是怎么思考的？
ima 产品团队： 前面提到「知识库是什么」这个话题，我们内部之前有个讨论。
我们最早命名这个功能时，担心「知识库」不好理解，中间也想过其他名字，最后还是觉得「知识库」更能让大家知道它是帮 AI 降低幻觉、沉淀有价值信息的称谓。
用户在 ima 创建知识库辅助工作的场景，跟创建智能体（agent）的方式类似。知识库可以看作更简易的智能体。
但我们不想告诉用户这是智能体，而是告诉他，使用知识库在具体场景下能解决什么问题，同时把整个「知识大脑」放出来。用户能看到里面的内容，知道怎么交互提问，有时甚至不提问，直接打开看其中的详细信息也可以。
对用户而言，构建智能体这件事可能离他很远，但如果只是把有价值的信息放进去，像建文件夹存东西，就很简单，大家都能用。低门槛就是让用户比较容易上手和交互。
从个人知识库到知识库广场，
做好 AI 时代的连接工具
问：在知识库的基础上，你们又推出了「知识号」和「知识库广场」。「知识广场」这个概念蛮新颖的，感觉是从封闭走向开放的过程。这一步跨越背后是怎样思考的？
ima 产品团队： 个人知识库上线一段时间以后，我们收到了很多来自用户的反馈。比如朋友间创建的知识库能不能彼此分享，也有家长提到班级学校群的文件能否汇总成知识库，分享给更多的家长。
这让我们意识到，大家除了自己的知识沉淀以外，还会因为社交和兴趣圈层，去共享和获取更多新式、知识，于是上线了「共享知识库」。
随着各类个人知识库的建设和丰富，我们从各个平台看到 ima 的用户在积极分享、推荐自己的知识库。我们也在想，好内容的价值应该被更充分的展示和流通起来。所以，我们上线了知识库广场。大家可以将个人知识库发布到知识库广场，让有分享动力的人和有获取信息需求的人在广场上做匹配。
今年 3 月，我们还上线了 ima 知识号，为大家提供一个「身份」去长期经营、耕耘有价值的信息。为了鼓励大家分享，我们也设置了分享到广场就不占用个人知识库配额的机制。
问：「知识号」又该如何理解？
ima 产品团队： 知识库是内容组织的方式，知识号就是一个创作者身份。
知识号更像出版社，发行不同杂志刊物，每本杂志就是个知识库。每个知识库基于创作者主题定义，筛选内容，在不同主题下组织。这里面融入了出版社、运营团队编辑部概念。团队对它有主题选择，判断什么东西可放进去。
这些东西可能自己从 0 到 1 写的，也可能经过整理的有价值信息。这样，每个知识号就像是个编辑团队，旗下就有许多不同杂志或刊物。ima 可能就成了个人知识的图书馆。
问：听起来像不同学科领域的专家在咖啡馆、酒吧、广场交流。ima 在扮演类似场景，把个人的工作、兴趣等不同东西放到一个知识广场，可能产生跨领域的新想法。
ima 产品团队： 起初，知识库更多是沉淀用户通过自身阅读获取的有效信息，这是我们积累认知很关键的方式。除此之外，我们还会通过各种「关系」获得更多信息。
比如家庭关系，家人会分享好东西；兴趣关系，社团、好友会因为共同兴趣收获或输出有价值信息。这也是很重要的途径。
做完个人知识库后，我们很快觉得应该让知识更好地共享和分享，比如让知识库发表出来，让更多人看到。推出「知识号」，让你既是 ima 用户，也是知识库拥有者或信息生态贡献者。
问：这么看，ima 也一直在拓宽一些边界。比如，AI 可能有幻觉或不可用的边界；人有思想和认知的边界。ima 以共享的方式，推动个人突破关系边界，获得更多经验和认知。
ima 产品团队： 是的，这也在做更多的连接。做产品过程中，我们发现把一些事情搭在一起，会带来不一样的体验。
最初提到信息散落，我们想设计轻量、友好的方式，让用户做好信息输入和调取，这是工具和场景的连接。
知识库可以和团队、朋友分享，这是知识流通传播上的连接。知识号的发表和内容发现，则是好的经验知识与用户需求、场景之间的连接。
知识号上线时，我们 slogan 也叫「连接新智力」，希望用户通过这个工具获得个人关系和认知边界以外的知识。
接入 DeepSeek 后，
像烟花点燃一样
问：开发 ima 的过程中，有哪些困难？
ima 产品团队： 我们一直是以探索的心态在尝试，从 PC 端开始做起，但最初团队里并没有专门做 PC 端开发的同事，大家都是做移动端开发，于是临时转换了技术栈。我们希望能尽快把 MVP（最小可行产品）做出来，所以时间非常紧张。
项目正式启动时间大概是 2024 年 7 月，三个月后，ima 的 Mac 版本就上线了。大家使用后，行业和用户的反响不错。我们整个产品的研发周期又加速了，立即启动 Windows 版本开发，大概只用了 15 天做完，11 月中旬就实现了双系统上线，12 月下旬又上线了共享知识库和 ima 小程序。
ima 目前还是一个新产品，有很多可塑的空间。开发 ima 困难的地方，有两点挺关键的。一是如何定义产品。开发过程中，我们需要去思考，甚至从一些反共识的角度，去打磨 ima，这一步迈出去还是比较考验的。二是 ima 推出后，如何选择不做什么。用户对 AI 的热情很高，对产品也会有各自的需求，我们需要去筛选，要做优先级选择，在产品迭代时保持克制和简单的初心，给到多数用户更好的体验。
问：是不是感觉到 AI 应用即将迎来爆发期，所以有种紧迫感？
ima 产品团队： 会的。当时看到 DeepSeek 的表现后，我们觉得它与海外一些优秀模型的差距已经极小。这让原生 AI 产品的产品力和模型力有机会解耦，让产研可以分别关注工具端产品形态和模型能力的迭代演进，并通过多模型给用户带来更好的体验和产品价值。我们就感觉，必须要更快、更快地让用户能用上新功能。那时候，大家非常兴奋。
今年春节期间，大家基本都没回家，在赶工 APP 版本。大年初三的时候，我们和研发同学拉群讨论，考虑接入试用下 DeepSeek。我们很快用它的 API 做了评测，效果很好，大概花了一周时间就正式接入了。随后，我们看到公司各个业务线也都在密集跟进接入，像点燃了烟花一样，突然间到处冒出了火花。
问：我在一些社交平台看到，你们很在乎用户体验，会主动给用户留言，询问「为什么体验不好，还有什么痛点」。
ima 产品团队： 我们确实花了很多精力跟进用户反馈，还组建了用户社群。今年春节前后，社群里就有 4000 多位用户了。为了让他们更好讨论，每个社群大概几百人，产品同学也在里面，能很快了解疑问和需求。
这种方式让我们能直观了解用户看法。ima 是个工具产品，我们需要知道用户的使用体验、反馈。这对我们去推演接下来应该先做什么，做成什么样子，是很有效的输入。
有一段时间我们工作比较多，担心漏掉问题，就在群里发问卷让大家填功能建议。原本担心大家不愿意写，但实际回收效果非常好。大家很仔细地提了想要的功能，列了很长的需求名单。
问：除了跟用户一起 debug，有哪些功能是用户提出，我们很快实践的？
ima 产品团队： 比如做了知识号之后，大家分享知识库的心态会升级。
当他觉得这是个发布行为时，会对知识库呈现形态更注重，希望置顶内容，方便用户快速看到关键信息；也希望设置推荐问题，新用户加入知识库后大概率会问「这个知识库是讲什么的」。
我们最初没做这个功能，用户建议希望自己配置三个比较好的问题，我们很快就加入了。
此外，不同用户的习惯不同。有些用户更有计划性，日常就有信息整理的习惯，进入 ima 后希望有更好的信息排布功能，延续整理习惯。另一些用户可能对整理兴趣不大，对 知识管理的认知就是「你帮我记东西、理解东西」，希望把内容放进来后，想问什么、想做什么信息都能快速得到答案。
整理型用户提出希望 ima 可以文件夹功能，我们内部经过仔细讨论后，也在今年 4 月上线了。
用最「古典」的方式打造 ima
问：从 23 年开始，AI 技术迭代很快，一些前两年还看到的产品，现在可能已经「死掉」了，没人再提。你会觉得现在进入到一个产品生命周期更短、竞争更激烈的状态吗？
ima 产品团队： 我觉得前期大家会去探索 AI 应用的边界在哪里，更多是走通一些流程，让大家看到 「原来它可以做这个」。这可能造成行业里一类应用快速兴起，但也可能很快被遗忘或替代。这是新技术出现时，大家去摸索它能做什么的环节。
我们在做 ima 这个产品的过程中，更多会去思考实际想解决用户哪一类场景下的问题。它不是说「我要做一个 AI 产品」，而是「我希望在这个场景下提供什么样的工具和服务」。如果是这个视角，我觉得这个事情可以做得很长期。
问：你觉得 AI 时代，产品经理非常重要的特质是什么？
ima 产品团队： 当下有点像 PC 互联网到移动互联网的转变时期。那时最大的变革是大家要在手机小屏幕上设计和摆放信息，所以非常关注信息界面的层级和用户理解的直观性。
17、18 年我们做内容型产品时，涉及海量内容对不同用户的个性化展示，就需要借助 AB 实验这类工具，来评估和观测推荐机制下用户的实际体验。
现在也是类似。基于大模型设计新功能，你需要理解调用模型的输入输出是什么状态，它会影响哪些环节。产品经理要更多地去探索、先去使用，感受之后才能更好地为用户设计功能。对技术的理解更重要了。
问：我之前看文章说有些产品经理很焦虑，好像「古典产品经理」到了 AI 时代就没什么用了。
ima 产品团队： 我们现在做 ima 的过程其实非常「古典」：我们会面对面倾听用户声音，在社群收集用户建议然后去优化。听起来古典，但依然很有效。包括我们某个功能，可能会遇到 bug 或体验不好的地方，我们就以更积极的心态去更快地 debug，优化每个体验。你会发现这依然是一个很不错的做产品的方式。
问：在这个不断从 0 到 1 的过程中，给你带来了哪些特别的体验？
ima 产品团队： 我觉得有两点，一是经历得比较多，所以对从 0 到 1 这件事其实不会特别抗拒，或者说没有那么恐惧。二是每次经历从 0 到 1 的过程，会发现很多东西其实是相似的，你都需要去深入业务场景理解它的机会点在哪里，它现在有哪些新的变革机会。我觉得这种经历能更快地帮助你抓住当前机会的切入点。
问：是的。我的理解是，产品经理可能会变得更重要，因为他们某种程度上决定了普通人和 AI 的关系，可能会构建新的产品形态、新的关系和连接。
ima 产品团队：对。当下是一个很好的时机，去定义未来数年、甚至数十年用户会使用的工具和服务。
（文：Founder Park）