当全行业都在讨论“龙虾”（OpenClaw）能不能帮你自动干活的时候，腾讯的另一款AI产品正在尝试另一条路：不是让你拥有一只更聪明的龙虾，而是让你拥有一个越用越懂你的知识大脑。今天（4月29日），腾讯正式上线了ima的copilot模式。这正是促成这次评测的直接原因：当一款产品宣布从“工具”升级为“伙伴”，从“跑腿”进化为“贴身助理”的时候，无论此前印象如何，都值得重新看一眼。ima.copilot（以下简称ima），2024年11月上线，定位“以知识库为核心的AI工作台”。和WorkBuddy的“桌面Agent自动执行”路线不同，ima的核心叙事是“搜读写一体”——把散落的信息变成可查询、可调用的智能资产，再基于这些资产帮你问答、写作、分析。问题是：一个以知识沉淀为核心的产品，在Agent时代真的有不可替代的价值吗？先坦白一件事：在做这次评测之前，ima在我的电脑上是一个“装了但基本不用”的应用。我的文档绝大部分沉淀在WPS上——目前体量将近28G，ima的知识沉淀从零开始，此前的写作效果也远不如龙虾类产品和通用AI助手，所以它一直处于被冷落的状态。坦白说，此前很多办公工具倡导的“构建知识库”这件事，给我这样一个C端用户带来的第一反应不是好奇，而是畏难。但copilot的上线在这次体验中确实改变了这个等式。按照官方定义，copilot是一种全新的Agent模式——通过统一入口（One Agent）实现跨场景的连续对话与认知统一，核心不是“替你操作”，而是“替你理解”。它能感知你在浏览网页、阅读文档、整理笔记时的当下行为，无需额外上传即可直接调用，并逐步构建对你工作习惯和知识体系的个性化认知。这和WorkBuddy的“桌面执行”路径形成了清晰的分野。带着好奇心——和一个WorkBuddy等龙虾类产品深度用户的天然对比视角——我决定再给它一次机会。以下是真实体验。差点放弃的第一个任务ima的上手路径很短。下载电脑端（Win/Mac），登录，进入对话界面。在使用界面上，相对WorkBuddy那种本地环境配置——ima是云端的，开箱即用。但第一次打开copilot功能时，它又提示我需要构建知识库——我差点直接关掉。转折点来自一次对话。我问copilot我没有积累任何知识资产，我应该如何开始，它的其中一个回答，给了我能够继续体验下去的想法。比如，它说可以直接它一个URL，让它自己抓取内容。我的已发布文章大部分发布在钛媒体官网的个人主页“DeepWrite秦报局”上，我把这个URL给到了copilot。有些惊艳的是，大约几十秒内，它就抓取了主页第一屏的9篇文章。到这里，事情已经成功了80%。但我想更进一步——看看它能不能抓取2026年的所有文章。这个任务暴露了ima的一个局限：网页翻页操作无法完成。它花了大约10分钟到20分钟，尝试了各种关键词搜索方式，最终额外找到5篇。我的主页2026年共发布了19篇文章，它找出了14篇（其中第14篇似乎归纳错误那篇署名不是我）。另外4篇ima没有通过搜索找到（同时以我署名发在其他账号的文章也有不少，但ima没有询问我是否把这些纳入其中）。如果执行前先确认一下搜索范围，效率会高很多，类似龙虾执行任务的某个节点先进行确认。这个任务耗时较长，我一度想暂停但又怕前面的工作白费。这里其实是一个体验优化点：如果ima判定任务耗时超出合理范围，应该主动询问——“立即输出现有结果，还是继续执行？”——而不是让用户陷入“停也不是、等也不是”的尴尬，这也直接导致搜索来源消耗掉足够多的算力，后续成稿算力不足。抓取完成后，ima无法将文章批量添加到知识库，但它提供了一个14篇文章的md压缩包下载。作为一个“P人”，看到那个压缩包时脑子里闪过的念头是——这个事情好像没那么难。于是我手动完成了上传，顺利建好了一个足以支撑本次评测的知识库。也是在完成搭建之后，我才真正感受到ima和WorkBuddy的差异：WorkBuddy解决的是“帮你做”，ima解决的是“帮你懂”。copilot到底是什么？在继续评测之前，有必要交代一下copilot这次上线究竟带来了什么。官方将其定位为“Knowledge Agent”——不是帮你搬资料的工具，而是真正懂你知识资产的伙伴。具体来说，copilot具备四个核心能力：• 自主进化的记忆系统。包含四层结构化存储：copilot设定（Soul，即人设）、用户档案（User）、长期记忆（Memory）、经验技巧（Agent）。这意味着你不需要在每次对话中重复输入上下文，它会主动记住你的习惯、偏好和积累。• 全场景感知。当你使用ima浏览网页、文件、知识库或笔记时，copilot全程伴随。你不需要额外上传文件，直接就能对当前内容提问——“这个网页讲了什么？”“这份报告的核心结论是什么？”——它的感知范围覆盖了你使用ima的所有场景。• 内置增强Skills。copilot预装了一组与ima深度结合的实用技能：知识库操作（可读取文件正文，进行跨文件信息汇总）、笔记操作、创建自定义Skill、生成PPT、生成报告、浏览器自动化操作。• 开放生态。支持用户自由配置各大模型的API Key，通过对话装载其他Skills。理论上，通过配置可以实现生成视频、制作网页等更复杂的自动化流程——不过这部分的实测体验已超出本次评测的范围。一条值得注意的产品逻辑：ima强调“零门槛”。不需要懂编程，不需要配API，只要你平时在用ima存东西——读书、存图、写笔记——copilot就在侧边自动内化、自动关联、自动变强。官方原话是：“以前你存东西是‘堆积’，现在你存东西是‘投喂’。”这个设计理念值得肯定。但理念落地到体验，中间还有不少摩擦。接下来的评测会逐一层层剥开。知识库：ima的灵魂，也是最大的摩擦点我把copilot搜集到的2026年以来的14篇文章导入了ima知识库，涵盖具身智能、AI Agent、腾讯生态、金融财报、开源基础设施、消费科技六个主题，然后设计了一套五道从浅到深的测试题。五题四满分，最意外的是“跨篇关联”事实召回、精准定位、数据精确度三项，ima表现扎实——比如微盟财报的AI收入数据，准确召回了8个关键指标（AI全年收入1.16亿元、下半年8200万元、环比增速137.5%等），无幻觉。最让我意外的是跨篇关联题。当问“几篇AI Agent文章之间有什么交叉洞察”时，ima从四篇文章中提炼出三条交叉线索——Agent安全困境、计费模式重构、行业Know-how大于通用模型能力。这种跨篇关联分析，在没有知识库的情况下几乎不可能完成。这是ima最有价值的时刻：它不只是帮你找到信息，而是帮你在信息之间发现联系。唯一扣分的是风格仿写。ima能还原我的文章结构和判断句式，但缺少“刺点”——那个让人一眼记住的戏剧性场景或反直觉收刀。它写出来的东西“像”我写的，但不够“是”我写的。对话上下文 vs 知识库检索：两种模式，两种答案做完第一轮测试后，我开了一个新的ima对话，用知识库检索的方式重新问了同样的五道题。结果值得展开说。知识库版本事实更完整（Q1多出2个要点），数据同样准确（Q5），但漏掉了一条隐性暗线——“行业Know-how才是真正的壁垒”这条洞察横跨四篇文章，知识库检索版完全没有发现。这说明知识库检索擅长“显性关联”（安全→安全），但在语义层面的暗线串联上仍有提升空间。风格仿写题差异更明显，知识库版本更长更工整，但冲击力偏弱。一句话总结：对话上下文赢在深度关联和风格刺点，知识库赢在持久性和跨对话一致性。另外，知识库检索会混入平台共享知识库的内容——搜索“AI Agent安全”时，结果中出现了腾讯云EdgeOne等产品介绍。好处是信息更丰富，风险是当你只想要“基于我自己的资料”回答时，噪音就成了干扰。理想状态下，ima应该提供“仅搜索我的知识库”的开关。摩擦点：数据从哪来？ima支持多种导入方式——本地文件、网页链接、公众号文章、微信文件、腾讯文档。但对我来说，核心痛点没解决：我的资料都在WPS上，ima只打通了腾讯文档。生态围墙内很丝滑，墙外还是得手动搬运。不过，ima提供了一个值得关注的改进方向：知识库支持以固定链接为知识来源。比如把我的文章主页URL设为一个知识库链接，它就可以实时追踪新发布的文章。虽然我没能充分验证效果，但“订阅式”知识更新是一个正确的方向。写作能力：能模仿结构，但缺“现场感”我让ima用我的写作风格写一段关于AI Agent安全的开头。结构上确实还原了我的风格——场景切入、反共识定义、短句收刀。作为一个科技作者，我的写作动力来自现场的冲击感。ima能还原结构，但还原不了这种“人在现场”的情绪张力。不过，如果降低预期——让它帮你搭框架、找素材、润色表述——效率的提升是实实在在的。在现有素材范围内写作，ima的风格还原度处于“可用”水平。我让它基于14篇文章直接输出评测初稿，约3200字，用时约2分钟，框架和结构都可用，我只需要补充真实操作感受和现场体验。把它当作一个读过你所有文章的助理，而不是一个替代你的写手，体验会好得多。知识管理+AI辅助并非腾讯一家在做。Notion AI走“文档即知识库”路线，飞书智能伙伴把AI嵌入协同办公全流程，Kimi以长上下文和联网检索切入知识获取，Perplexity代表“搜索即答案”的另一种范式。各家路径不同，底层竞争的是同一个问题：如何让AI真正理解你的信息。ima的切入点是“以知识库为核心枢纽，把搜索、阅读、写作串成闭环”。优势在于资产沉淀——越用越厚；劣势在于门槛——你必须先“建库”才能享受复利。回到腾讯自家产品线，ima和WorkBuddy的差异不在功能列表，而在产品哲学：• WorkBuddy是“数字手脚”——替你操作，核心价值是执行效率• ima是“数字大脑”——替你记忆和理解，核心价值是认知效率用我具身智能相关稿件来类比：WorkBuddy像“本体”——干活利索但每次任务完成就归零；ima像“大模型”——持续学习，越用越聪明，但不直接替你动手。理解在前，执行在后，两者恰好互补。copilot的上线强化了这条路线。官方将copilot定义为“Knowledge Agent”，强调它不只是“帮你搬资料的工具”，而是“真正懂你知识资产”的伙伴。四层记忆系统（Soul、User、Memory、Agent）和全场景感知能力的加入，确实让“越用越懂你”从一句口号变成了可感知的产品特性。至少在认知层面，ima正在走出一条和Agent执行派完全不同的路径：大部分Agent忙着解决“手脚”的自动化，copilot聚焦于“大脑”的知识化。不足与遗憾1. WPS等外部生态未打通。腾讯文档一键导入体验好，但这份“好”建立在你是腾讯生态用户的前提下。2. 跨篇关联的“隐性暗线”盲区。ima擅长主题词匹配式的显性关联，但语义层面的暗线串联力有不逮。3. 桌面操作的边界。WorkBuddy能操作电脑桌面，ima不能。网页翻页等操作只能通过关键词搜索迂回，完成路径更绕更慢。4. 风格延续的“最后一公里”。能学会你的“形”，学不会你的“经历”。谁该用、怎么用适合谁：有大量资料需要整理检索的人、需要基于自有知识体系深度创作的人、希望把碎片信息沉淀为“第二大脑”的人。不适合谁：需要AI自动操作电脑的人（WorkBuddy的强项）、资料主要在非腾讯生态的人、期待AI完全替代写作的人。最佳用法：龙虾的价值在执行效率，ima的价值在认知效率。认知效率的真正杠杆来自龙虾做不了的事：跨篇关联分析、基于个人知识体系的风格延续、长期沉淀后"越用越懂你"的复利效应。但飞轮要转起来，前提是摩擦够小。目前ima的摩擦点——WPS未打通、桌面操作受限、检索偶有漏失、算力管理不够灵活——都是飞轮上的阻力。copilot的上线让ima完成了一次关键的定位升级——从“云端收藏夹”变成了“知识伙伴”，从“工具”变成了“Agent”。这在产品逻辑上是自洽的，方向也值得看好。但当前版本在工作体验上仍有不少摩擦，写作风格还原度处于也算得上够用（遇到负责任务可能产生较大算力消耗而导致任务中断），期待后续功能完善——尤其是桌面操作能力的补齐、算力管理机制的优化——成为一款真正好用的办公助手。当全行业都在追Agent的执行能力时，ima选择的路径是：先让人把知识沉淀下来，再让AI基于这些知识为你服务。这条路不性感，但它解决的是一个更底层的问题——在信息爆炸的时代，真正稀缺的不是执行力，而是理解力。龙虾帮你把活干了。ima帮你把活想明白。而最好的状态，是左手龙虾，右手知识大脑。（本文首发钛媒体APP，作者 | AGI Signal，编辑 | 秦聪慧）更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App