近日，腾讯ima在经历了一年多时间的研发后，于4月29日正式推出了名为“copilot”的知识型助手。
copilot是一款配备了个性化记忆系统、全面感知功能以及技能生态支持的知识伙伴，能够随着知识库的不断丰富而持续进化。
这款智能助手不仅能读取用户上传的文章和资料，还能根据用户的操作习惯和个人喜好，逐步完善其内部的记忆体系，成为越来越贴合个人需求的存在。
从某种意义上讲，“copilot”就像是一个浓缩了用户知识精华、随时待命的知识型伴侣。
经过测试，这款助手展现出了令人印象深刻的性能和功能。
首先，在个性化记忆系统方面，使用者可以为自己的小熊猫设定名称，并通过一系列的设置让其更好地服务于个人需求。
在创建好copilot之后，用户可以通过调整它的角色定位和个人偏好等信息来定制一个适合自己的“最佳员工”形象。
除了基础设定之外，用户还可以对记忆管理中的多个子模块进行个性化配置，包括AI助手的个性特征、用户的特定兴趣以及任务执行过程的经验总结等等。
在使用过程中，“最佳员工”会根据用户的指令学习和存储信息，并在后续的任务中应用这些知识来提高效率和准确性。
接下来，在实际操作阶段，该助手被用于处理多项复杂任务，如梳理马斯克诉阿尔特曼案的相关资料等。
在这项任务中，“最佳员工”不仅能够高效地搜集信息并撰写总结报告，还能根据新的数据更新和扩展原有内容。
通过这种方式，“copilot”展现出了强大的分析能力以及灵活的应用场景，无论是在个人知识库还是在网页浏览过程中都能发挥作用。
然而，在实际应用中也发现了一些问题，例如初次执行任务时由于上传限制导致文件缺失的情况发生。
尽管如此，“最佳员工”仍然展示了其处理大规模文档和复杂指令的能力，并能够根据用户的需求生成高质量的分析报告或文章。
在经过多次测试之后，“copilot”的表现得到了认可，证明了它在未来的应用中具备强大的潜力和发展空间。
最后，在经历了530天的研发历程之后，ima从一个简单的资料存储工具进化为具有自我学习和进化的知识型助手。
这一变化不仅体现了腾讯对于AI技术发展趋势的理解，也标志着智能助理领域向前迈出了一大步。
未来，“copilot”将继续探索更加高效的知识管理和个性化服务方式，以满足用户在不同场景下的需求。
对比原始资料汇编，copilot生成的总结报告更加全面，分析更具深度。比如copilot在总结报告开篇点出了核心争议点：“OpenAI从非营利机构转向营利实体的合法性，以及这一转型是否背叛了公司创立时的慈善使命。”
报告中还针对争议点、庭审看点以及相关影响展开了深度分析，比如总结了马斯克胜诉后对微软、甲骨文、软银、英伟达等公司可能产生的影响。
不过copilot还存在着一些问题，比如原始资料汇编并未将具体内容和搜集的文章一一对应，想看具体情况还是得逐个翻阅文件。
还有，在第一次执行任务时，由于知识库单次上传数量限制，copilot只上传了10篇文章，而实际上抓取了24篇文章，产生了文件缺失的问题，在我重新提示后进行了补充并更新了两份文档。
此外，copilot可以在ima的任何场景下调出执行任务，包括个人知识库、网页浏览、知识库广场等，只需要点击右上角把copilot小窗化，即可将其悬浮在所有页面上方。
比如我发现，copilot没有抓取到智东西昨天发表的，关于马斯克诉阿尔特曼案的文章，我点开这篇文章后直接在copilot的小窗中输入提示词：“分析这篇文章，将其存放到知识库对应的位置，并根据这篇文章更新马斯克诉阿尔特曼案的总结报告。”
可以看到copilot浏览文章后将其入库，然后提炼了增量信息并补充到了总结文件中。
最后，在经过多轮对话后，为了检验copilot是否能真正记住并应用这些对话内容，从而达到减少用户重复输入的提效目的，我新开了一个对话窗口，让它根据知识库中的内容，自己寻找具体的选题方向，撰写一篇马斯克诉阿尔特曼案的相关文章。
输入提示词：“根据知识库中的相关信息，拟定有传播性的选题，撰写一篇马斯克诉阿尔特曼案相关的文章。”
随后它给我提供了五个文章撰写角度，并做出了自己的推荐，我选择让它组合前两个角度撰写文章。
能看到copilot严格按照总结的写作风格模板撰写了文章，选题和切入角度精准、标题比较吸睛，文章格式整体符合要求，语言凝练简洁易读，且抓住了新闻时效性，将当天发生的事情写入了文章。
三、压力测试：批量文件、超长文档处理都能驾驭
前面copilot的表现相对来说还不错，所以我决定给“最佳员工”上点强度，在前面的体验中已经能看到copilot处理复杂指令的能力了，但对于大批量文件以及超长文档的处理能力如何还有待验证。
我上传了一个包含115篇文学论文的文件夹，其中不乏动辄八九十页的大部头论文，让它把这些论文按照不同的研究主题进行分类，输入提示词：“查看这个文件夹里的文档，按照不同的研究主题分类整理这些论文。”
虽然耗费了一些时间，但copilot基本完成了任务，它查阅了文件夹里所有的论文，然后根据研究主题向我提供了分类方案，将我文件夹中的论文分成了十个类别。
在我批准后，copilot执行了整理操作，流程非常清晰，过程也比较流畅，没有出现任务中断的情况，不过最终的整理结果有一部分论文被“丢下了”，并未被分类保存。
随后我挑选了一篇78页的论文，让copilot进行分析总结，输入提示词：“分析这篇论文，写一篇阅读报告，说明这篇论文的研究主题、主要内容、研究方法以及启发性思考。”
copilot阅读了论文并撰写了阅读报告，完整包含了我需求中提到的几个部分，格式清晰、语言凝练，基于论文本身总结，没有“节外生枝”产生幻觉。
结语：腾讯ima的530天：从资料仓库到懂你的知识Agent
从云端知识库到可进化的知识Agent，copilot的上线，完全改变了ima的产品定位。
ima这530天的迭代，折射出腾讯在AI应用层的判断：知识管理的终点不是存起来就可以了，如何能让积累的知识资产增值、让用户上传的资料不在收藏夹里吃灰、让AI助手在用户的知识库中不断成长，这些才是此类工具的发展方向。
ima copilot把记忆系统作为切入点，通过知识库加记忆系统的组合，让AI助手拥有了”长期记忆”，并且随着时间的推移和知识的积淀，这个AI助手会不断进化，成为专属于用户的知识Agent。
当然，实际体验中copilot还存在一些问题，这也说明个性化AI助手还尚未成熟。
但方向已然清晰了：知识Agent的终极形态，是一个能理解用户意图、调度知识资产、持续进化的数字分身。