本篇目标：搞懂知识库与 RAG 的原理（为什么 AI 能"记住"你所有的资料），完成 ima 知识库与 WorkBuddy 的连接授权，学会批量导入资料（本地文件/公众号文章/网页/聊天记录），掌握检索提问技巧，搭起"读取 → 处理 → 存回"的完整闭环，并了解共享知识库与团队协作。
一句话定义：知识库 = AI 的外挂硬盘 + 参考资料架——AI 回答不再凭感觉，而是从你的资料里找答案。
1 为什么需要知识库：AI 不认识你的资料
1.1 一个扎心的事实
你问 WorkBuddy："我们公司 Q2 的销售复盘重点是什么？"它答不上来——哪怕复盘报告就躺在你桌面。AI 模型的知识来自训练数据，它不认识你电脑里的文件、你公司的规范、你积累的笔记。
知识库解决的就是这个问题：把你的资料集中"喂"进一个 AI 能检索的地方，之后每次提问，AI 先去翻你的资料，再结合资料回答——答案来自你的文档，不是凭空编造。
用一句话说：知识库的核心价值不是存储，是复用——资料放进来的目的，是以后能被问出来、被引用、被再加工。多数人知识库搭失败的原因恰恰不是工具不够高级，而是资料进入后缺乏后续处理：只收藏、不整理、不复用，最终沦为"垃圾堆搬进新房子"。
1.2 背后的原理：RAG（三分钟看懂，不用懂技术）
RAG（Retrieval-Augmented Generation，检索增强生成）是这一切背后的核心技术。用大白话讲就是：让 AI 在回答问题之前，先去翻阅你指定的参考资料，再结合资料作答。
它分三步工作：
- 索引：你把资料"放好"——文档被清洗掉排版噪音，按语义切成若干 Chunk（知识块），再通过 Embedding 模型把每块内容转成高维向量，连同原文、路径存入向量数据库。相当于给每段内容建了一张"语义指纹"；
- 检索：你提问时，问题也被转成向量，系统在向量库里搜索语义最相关的知识片段；
- 生成：把检索到的片段与原始问题一起送给大模型，生成基于事实的答案。
一个例子：ima 里存了几十篇产品资料，你问"我们产品相对竞品 A 在文档协作方面有哪些优势"——系统不会把几十篇文章全塞给模型，而是先检索出最相关的几个片段，只把这些交给模型分析。
RAG 的优势：低成本、高灵活性、数据实时更新（新增资料即时可查）、无需重新训练模型。对普通用户来说不用记住 Chunk、Embedding 这些术语——只需记住：RAG 做的事，就是从大量资料中找到"这一轮真正需要给模型看的内容"。
它也有局限：不会主动帮你"理解"和重组知识；跨文档的隐含逻辑、前后矛盾的信息，朴素 RAG 往往无能为力；向量召回在专业领域可能不准。所以知识库整理（4 节）和人工判断（5 节）仍然必要。
1.3 两大方案：本地文件夹 vs ima 云端知识库
WorkBuddy 有两类"外挂硬盘"，各有分工：
| 维度 | 本地文件夹（工作空间） | ima 知识库（云端） |
|---|---|---|
| 本质 | RAG 直接建在本地向量库 | 腾讯云端知识库，多端同步 |
| 适合 | 项目内临时资料、敏感数据 | 长期沉淀、移动端调用、共享 |
| 移动端 | 不支持 | 原生支持（小程序/APP） |
| 团队共享 | 需手动拷贝 | 一键共享 |
为什么推荐 ima 作为主仓库：原有 Obsidian 等个人知识库工具存在数据同步配置门槛高、移动端难以随时调用 AI 协作的痛点；ima 支持多端数据同步，设有个人、共享、订阅三类知识库模块，还能订阅公开优质知识库内容。而 WorkBuddy 作为 Agent 平台负责执行——两者搭配是"ima 存储索引资料、WorkBuddy 预处理整理、人工最终判断"的分工流程。
本篇以 ima 云端方案为主线（它覆盖本地方案的全部能力且可多端使用），本地工作空间已在第三篇讲过。
2 从零连接：五分钟打通 WorkBuddy 与 ima
2.1 前置准备
- 安装登录 ima：浏览器打开 ima.qq.com 下载客户端，微信扫码登录；手机端在微信搜索「IMA 知识库」小程序，用同一个微信登录；
- ⚠️ 最重要的一条：ima 和 WorkBuddy 必须用同一个微信账号登录，否则知识库读不到——这是新手最常见的翻车点；
- WorkBuddy 桌面端保持已登录状态。
2.2 连接授权（核心步骤）
- 打开 WorkBuddy 客户端，点击左侧边栏的「更多」进入；
- 选择「ima 知识库」，点击「立即前往授权」；
- 弹出微信扫码界面，扫码登录 ima 知识库，点击「确认授权」。
授权完成后，WorkBuddy 就能查看你的知识库列表、浏览和搜索知识库资料、将知识库文件添加到任务、或将文件保存到 ima 知识库。
2.3 验证连接
在 WorkBuddy 对话框输入：
帮我列出 ima 知识库中所有的知识库名称
返回了你的知识库列表，说明连接成功。如果报错或列表为空，第一件事检查两边登录的是不是同一个微信号。
2.4 在任务中引用知识库的三种方式
- @ 引用：对话框中点「@」→ 选「ima 知识库」→ 右侧显示文件列表，可勾选整个知识库，或切到「选择文件」Tab 单独勾选所需文件；
- 资料库添加：「资料库 → ima 知识库」选中对应文件，点击「添加到任务」；
- 上传文件入口：输入框上方点「上传文件」图标 → 打开 ima 知识库 → 勾选。
完整的联动闭环是四步：授权绑定 → 选取资料 → 执行任务 → 一键回传（任务完成后点产物区的「上传到云端」，选择保存到 ima 知识库的对应位置）——读取、处理、存回，闭环完成。
3 建库与导入：先跑通再扩张
3.1 第一版只建三个库（别贪多）
连接打通后，大多数人会犯一个错误：一上来就建十几个知识库——资料库、项目库、领域库、卡片库、输出库、归档库、灵感库……听起来很专业，但分类越多越容易放弃。第一版只建三个：
- 01-资料库：放外部资料。文章、PDF、报告、网页、课程、访谈稿、会议录音转写；
- 02-项目库：放正在推进的事。一个选题、一个客户项目、一个产品想法、一个课程计划；
- 03-输出库：放你自己的成果。文章草稿、选题库、复盘总结、观点卡片、方法论沉淀。
为什么是三个？第一阶段最重要的不是分类精细，而是养成"资料进来后不乱放、先进入一个能被 AI 读取处理的地方"的习惯——这一步跑通，你就已经超过了大多数人的"收藏夹知识库"。
在 ima 创建知识库：打开 ima 客户端 → 左侧「知识库」→ 点「+」新建 → 输入名称。命名要具体且稳定：用「01-资料库」这种数字前缀+简短名称的格式；库本身要具体（"2026-Q2 竞品分析库"而非"我的资料"，"八年级物理教学库"而非"我的教学资源"——后者三个月后你自己都懒得翻）。文件命名用「日期-主题-状态」格式（如 2026-07-06-知识库教程-草稿），命名目的不是好看，是为了以后能找回来。另外每个知识库控制在 100-200 个文件以内检索更快，并定期清理过时内容。
3.2 第一批资料：20 条以内
第二批容易犯的错：第一天就想把所有资料倒进去——微信收藏几百条、浏览器书签几百个、几十个 PDF 全导进去。这不是搭知识库，是把垃圾堆搬进新房子。第一批资料只放 20 条以内，目的是验证三件事：
- ima 能不能把这些资料存好？
- WorkBuddy 能不能把这些资料读出来、整理好？
- 你看完 AI 生成的结果后，是否愿意继续用？
三个问题跑通了，再扩张不迟。
3.3 资料进库的多条渠道
ima 的入库渠道比想象的多，先传 3 份最常用的资料试水：
- 本地文件：ima 客户端进入对应知识库，直接上传（Word/PDF/Markdown/Excel 等，上传后等向量化处理完成，通常几秒到几分钟）；
- 公众号文章：复制文章链接 → ima 客户端或小程序进入知识库 → 粘贴链接保存；
- 微信聊天文件：知识库「上传 → 微信文件」→ 选联系人 → 选文件入库；微信里收到好资料也可以长按"用其他应用打开 → ima"秒传；
