騰訊 ima 做 Copilot，個人知識庫開始長出手

個人 AI 助理最浪費時間的地方，常常不是回答太慢，而是每次都要重新交代你是誰、資料在哪、任務做到哪裡。

騰訊 ima 4 月 29 日推出全新 Agent 模式 copilot，主打讓使用者建立專屬 Agent。根據標示來源為騰訊雲的新浪財經頁面，copilot 內建四層記憶、可以感知當前網頁或文件，還把官方 Skills、自訂 Skills 和自帶模型 API Key 放進同一個產品敘事。

個人 AI 助理的競爭正在從「更會聊天」移到「能不能接住工作檔案」。如果一個助理能記住背景、看懂目前打開的文件、操作知識庫、調用技能，知識工作者要評估的就不只是回答品質，還包括記憶、權限、成本和停手條件。

四層記憶，先把風險分開

ima copilot 的第一個重點，是把「記憶」拆成四層。

官方來源文列出的四個模組分別是：copilot 設定（Soul）、使用者檔案（User）、長期記憶（Memory）、經驗技巧（Agent）。前兩層比較像角色設定與個人背景；第三層處理跨會話留下來的資訊；第四層則是 Agent 在使用過程中累積的做事方式。

這個拆法比「AI 會記得你」更有用，因為它把不同風險分開了。

偏好、工作背景、正在推進的事項、常用格式、處理資料的習慣，不應該被塞進同一個黑盒。對知識工作者來說，記憶的價值不是讓助理更像朋友，而是減少重複交代，讓它知道同一份資料為什麼重要、這次輸出要接到哪個工作流程。

但這也帶來第一個檢查點：記憶必須可見、可改、可刪。騰訊雲來源文提到，記憶內容在設定卡片中可見，使用者也可以透過對話編輯。這比單純宣稱「長期記憶」更關鍵，因為工作記憶一旦錯了，後續每次回答都可能帶著同一個錯誤前提。

浮窗改變資料流方向

copilot 的第二個重點，是它不只等使用者把資料貼進聊天框。

官方來源文稱，使用者在 ima 裡瀏覽網頁、打開文件、翻看知識庫或筆記時，copilot 可以用浮窗形式伴隨，並感知當前內容；使用者不需要額外上傳文件，就能直接基於目前內容要求理解與處理。

這不是介面小工具的差異，而是資料流方向的改變。

傳統 AI 聊天的工作方式，是人把資料搬進聊天框。浮窗式 copilot 則把 AI 放到資料所在的地方：網頁、文件、筆記、知識庫。這會降低「複製、貼上、補背景」的摩擦，也讓 AI 助理更接近真實工作發生的畫面。

但同一個機制也提高權限風險。它能不能看到整份文件？能不能跨知識庫讀取？不同專案、客戶、部門的資料是否會被混在一起？如果這些邊界不清楚，越方便的上下文感知，越容易變成資料治理問題。

因此，企業或團隊試用這類工具時，不該只問「它能不能讀我正在看的文件」，還要問「它怎麼知道哪些文件不能讀、哪些內容不能記、哪些輸出不能帶出這個工作區」。

Skills 讓知識庫不只負責搜尋

如果只有記憶和浮窗，copilot 仍然比較像更貼近文件的問答助理。

Skills 讓它往工作代理人多走一步。

騰訊雲來源文稱，copilot 內建與 ima 深度結合的官方 Skills，首期包含知識庫操作、筆記操作、建立 Skill、生成報告等；其中知識庫 Skill 是升級重點，支援讀取文件正文，做跨文件資訊讀取和彙總。來源文也提到使用者可以透過 SkillHub 裝載其他 Skills。

這讓知識庫的定位發生改變。過去知識庫主要是儲存和搜尋資料；加入 Skills 之後，它開始承接動作：整理網頁成筆記、按學科分類知識庫、生成報告、跨文件彙總。

對內容團隊、研究者、產品經理或營運者來說，這是有實用價值的方向。真正耗時的往往不是問 AI 一個問題，而是在多份文件、筆記和網頁之間搬運資訊，再整理成下一個可交付物。

但 Skills 也應該被當成權限單位，而不是功能玩具。讀取正文、改筆記、整理知識庫、生成報告，風險不同；如果未來還能寫入外部工具，風險又會再上升。好的 Agent 設計，應該讓使用者清楚知道每個 Skill 能讀什麼、能改什麼、是否需要批准。

自帶 API Key，等於把成本與資料責任交回使用者

ima copilot 還把模型供應放進產品敘事。

騰訊雲來源文稱，ima 支援使用者自由配置各大模型 API Key，使用自有 API Key 的消耗由使用者自行承擔，不扣平台算力。這看起來是進階玩家功能，但它其實牽涉兩件事：成本和責任。

先是成本。使用者如果把自己的模型 Key 接進來，就要自己理解模型價格、用量、上下文長度和失敗成本。對個人創作者或小團隊來說，這可能提高彈性；對公司來說，則會把 AI 助理導入拉進預算和採購規範。

再來是資料責任。當一個知識庫工具可以調用外部模型，團隊必須知道資料會送到哪裡、哪些資料不該外送、輸出是否會被不同模型處理。本文不能從公開來源判斷 ima 的完整資料處理邊界，但這正是導入時要問的問題。

換句話說，自帶 API Key 不是單純的「更開放」。它把模型選擇權交給使用者，也把成本管理和資料責任一起交給使用者。

申請制代表現在只能讀方向，不能讀成結論

這篇不能把 ima copilot 寫成已成熟、已普遍可用的生產力答案。

新浪科技報導補充，copilot 已上線 Mac、Windows、iOS、安卓與鴻蒙，但功能採申請制，依申請順序陸續開放。這代表現在比較適合寫產品方向與評估框架，不適合寫實測結論。

申請制至少提醒三件事。

第一，功能體驗可能還在控量。第二，公開案例仍多半來自官方示範，不能直接推論一般使用者會得到同樣效果。第三，記憶、浮窗和 Skills 串在一起後，真正考驗會出現在長時間、跨文件、多任務的日常工作，而不是單次展示。

所以讀者現在應該看的不是「要不要立刻換工具」，而是這個方向是否會改變你對個人知識庫的要求。

試用前，先問五個停損點

一，它記住什麼？

偏好、背景、任務、文件摘要、操作習慣，應該分層呈現。只要記憶不可見，就很難信任。

二，它能碰哪些資料？

網頁、文件、筆記、知識庫看似都屬於個人工作區，但權限邊界不同。要先確認它是否能限制到特定資料夾、專案或資料類型。

三，哪些 Skills 只是讀取，哪些會改動內容？

讀取文件正文、整理筆記、分類知識庫、生成報告的風險不同。會改內容的技能，至少需要明確預覽與批准。

四，模型 API Key 由誰提供、誰付錢、資料送到哪裡？

自帶 Key 提高彈性，也提高管理成本。團隊導入時不能只看能接哪些模型，還要看費用、資料流向和停用方式。

五，錯了能不能停？

記憶型 Agent 一旦把錯誤偏好、錯誤背景或錯誤工作方式存下來，影響會延續到下一次。停用、刪除、改寫記憶，比多一個漂亮回答更重要。

ima copilot 的訊號很清楚：個人 AI 助理正在從聊天框走向工作檔案層。

先別問它像不像個人夥伴，先檢查它記住什麼、能碰哪些文件、會動哪些技能，以及錯了能不能停下來。

林子睿（編輯：廖玄同），《騰訊 ima 做 Copilot，個人知識庫開始長出手》，矽基前沿 [Si]gnals，2026-05-01。https://signals.tw/articles/tencent-ima-copilot-memory-agent/