💡 摘要: 用 WorkBuddy 时总感觉 AI 不够"懂你"——它不了解你的业务背景、你的技术栈偏好、你的写作风格。这是因为 AI 缺少你的"私人资料库"。本文介绍如何将 WorkBuddy 与腾讯 IMA 知识库打通，3 步完成连接、3 个库分类归档、3 种方式投喂资料，让 AI 从"应届生"变成"熟悉你所有业务的资深同事"。包含扫码授权、知识库搭建、文件上传、对话中引用知识库等完整操作步骤，附 3 张 Mermaid 架构图 + 7 张操作截图，适合所有 WorkBuddy 用户阅读。
📅 技术栈版本: WorkBuddy v5.1+ | IMA 知识库 | 更新时间: 2026-07
一、背景：没有知识库的 AI 是"应届生"
你有没有遇到过这种情况——
让 AI 写一份项目方案，它给了一个通用模板，跟你公司的业务完全不沾边。让它分析竞品，它说了一堆行业常识，但你的竞品最近做了什么它一概不知。
问题不在 AI 不够聪明，而在它不了解你的信息。你用的是它的通用知识，不是你的私有知识。
IMA 知识库就是来解决这个问题的。它是腾讯推出的一个"搜、读、写"一体的 AI 知识工作台，本质上是一个云端的私人图书馆——你把文件丢进去，AI 就能随时调用这些内容来回答你的问题、帮你写东西。
WorkBuddy 接入 IMA 之后，你在 WorkBuddy 里让它写东西时，它会从你的知识库里调取素材——不是网上随便搜的那种，是你自己精选过的、信得过的资料。
一句话总结：没有知识库的 AI 是应届生，有知识库的 AI 是做了三年、熟悉你所有资料的资深同事。
二、3 步连接 WorkBuddy 与 IMA
连接过程不需要填任何 API Key，全程微信扫码授权。
Step 1：进入资料库
在 WorkBuddy 左侧边栏点击「资料库」，选择「IMA 知识库」。
Step 2：扫码授权
点击「立即前往授权」，用微信扫码登录 IMA 知识库，再次点击「确认授权」。
Step 3：验证连接
授权成功后，WorkBuddy 获得以下权限：
- 查看你的知识库列表
- 查看或搜索知识库资料
- 将知识库文件添加到任务，或将文件保存到 IMA 知识库
⚠️ 常见问题 1：授权失败 原因：WorkBuddy 和 IMA 必须用同一个微信账号登录。 解决：确认两个平台登录的是同一个微信号，否则授权的是不同的知识库。
⚠️ 常见问题 2：知识库列表为空 原因：IMA 中还没有创建任何知识库。 解决：先到 IMA 客户端创建知识库，再回 WorkBuddy 刷新。
三、知识库怎么建：先建 3 个就够了
连接好后，在 IMA 里建知识库。别急着建一堆——第一阶段先建 3 个，够用就行：
| 知识库 | 用途 | 放什么内容 | 示例 |
|---|---|---|---|
| 01-资料库 | 外部资料归档 | 文章、PDF、报告、网页、课程、访谈稿 | 行业报告、竞品分析、技术文档 |
| 02-项目库 | 进行中项目 | 公众号选题、客户项目、产品想法、课程计划 | 迭代需求文档、项目排期表 |
| 03-输出库 | 个人成果沉淀 | 文章草稿、复盘、总结、观点卡片、方法论 | 已发布的文章、复盘报告 |
创建步骤
在 IMA 客户端（电脑版或小程序都行）：
- 左侧点「知识库」旁边的「+」
- 输入知识库名称（如
01-资料库） - 确认，完成
💡 为什么只建三个？ 第一阶段最重要的不是分类精细，而是先养成习惯——资料进来后不要到处乱放，先进入一个能被 AI 读取和处理的地方。只要这一步跑通，你就已经超过了大多数人的"收藏夹知识库"。
四、3 种方式往里放资料
IMA 知识库支持三种数据来源：
方式一：上传文件
在 IMA 客户端进入对应知识库 → 点击上传按钮 → 选择本地文件。
官方支持的格式覆盖了日常工作学习的主要类型：
| 类型 | 支持格式 | 说明 |
|---|---|---|
| 文档 | .docx / .doc / .txt | 技术文档、需求文档 |
| 电子书 | .pdf | 技术书籍、白皮书 |
| 课件 | .pptx / .ppt | 培训材料、分享 PPT |
| 表格 | .xlsx / .xls | 数据报表、配置清单 |
| 图片 | .jpg / .png | 自动 OCR 识别文字 |
| 链接 | 网页链接、公众号文章 | 一键保存 |
方式二：收藏网页
看到好文章、行业动态、竞品信息，一键保存到知识库：
- 微信里：公众号文章右上角「…」→ 用 IMA 知识库打开 → 选库 → 保存
- IMA 小程序：粘贴网页链接保存
方式三：新建笔记
最灵活的方式。开会时记的关键点、头脑风暴的想法、给 AI 的"写作规则"——都可以写成笔记，变成知识库的一部分。
💡 小技巧：你可以专门建一个「写作规则」笔记，写上"我的文章风格：短句为主、每段不超过 3 行、开头用问题引入、结尾给行动建议"。以后让 AI 写文章时，它会自动参考这个规则。
数据流总览
⚠️ 常见问题 3：文件搜不到 原因：在对话框直接发文件 = 临时文件，关窗就没了。 解决：一定要进到具体知识库内部再上传，文件才算真正存入知识库。上传后等待 1~3 分钟解析完成，才能被搜到。
五、在 WorkBuddy 里怎么用知识库
方式一：从资料库添加
WorkBuddy 左侧边栏 →「资料库」→「IMA 知识库」→ 找到对应文件 → 点击「添加到任务」。文件就被引入当前对话了。
方式二：在对话框添加
新建任务时，在输入框上方的「上传文件」图标处打开 IMA 知识库。支持勾选整个知识库或选择单个文件，点「确定」添加到对话。
产物存回知识库
WorkBuddy 执行完任务后，生成的文件（报告、文档等）可以一键存回 IMA 知识库：
右侧产物区找到文件 → 点「上传到云端」→ 选「IMA 知识库」→ 选目标库（个人 / 共享 / 订阅）。
这就形成了一个闭环：资料进库 → AI 基于资料干活 → 产物存回库 → 下次继续调用。
基于知识库提问
这是最强的用法。在 WorkBuddy 对话里，直接基于你的知识库提问：
"根据我知识库里的产品手册，帮我写一份客户介绍"
"搜索知识库里关于竞品分析的资料，总结三个关键差异"
"基于我上传的 10 篇文章，分析一下我的写作风格特点"
💡 关键技巧：提问时明确说「基于我的知识库」「只用我上传的资料回答」，AI 就不会瞎编，只从你的资料里找答案。如果资料里没有相关信息，它会直接告诉你。
💰 成本核算：算一笔个人知识管理的账
按一个独立开发者或技术博主，每天需要查找 3 次历史资料，每次平均花费 15 分钟计算：
| 指标 | 使用前（纯手工） | 使用后（WorkBuddy + IMA） | 改善幅度 |
|---|---|---|---|
| 单次查找资料耗时 | 15 分钟 | 2 分钟 | ⬇️ 87% |
| 每日查找耗时 | 45 分钟 | 6 分钟 | ⬇️ 39 分钟 |
| 月度时间成本 | 15 小时 | 2 小时 | ⬇️ 13 小时 |
| 月度人力成本 | 7,500 元（500 元/小时） | 1,000 元 | ⬇️ 6,500 元 |
结论：使用 WorkBuddy + IMA 知识库，每年可节省约 78,000 元的人力成本，同时大大减少"找资料找到一半就放弃了"的心智损耗。
六、解绑和换号
如果需要换绑账号或关闭连接：
WorkBuddy 左侧边栏 →「资料库」→「IMA 知识库」→ 右上角点「解除绑定」即可。
解绑后可以重新扫码授权另一个微信号。
七、深入理解：IMA 知识库的 RAG 检索原理
你可能已经注意到，当你在 WorkBuddy 里基于知识库提问时，AI 并不是每次都能准确命中你想要的资料。这就涉及 IMA 知识库的底层 RAG 检索机制。
7.1 检索流程
IMA 知识库的检索过程分为四个阶段：
各阶段说明：
| 阶段 | 作用 | 关键参数 | 影响 |
|---|---|---|---|
| 问题改写 | 将用户口语化问题转换为检索友好的查询 | 改写策略（重写/扩展） | 影响检索召回率 |
| 向量化 | 将文本转为语义向量（768/1024维） | 向量模型（bge-large-zh 等） | 决定语义理解精度 |
| 向量检索 | 语义相似度匹配，找到最相关文档片段 | Top-K（默认 5）、相似度阈值（0.7） | 决定召回质量 |
| 关键词检索 | 精确匹配关键词，补充向量检索遗漏 | BM25 算法 | 提升精确匹配场景 |
| 混合融合 | 融合向量检索 + 关键词检索结果 | 权重配比（7:3 或 6:4） | 平衡语义与精确 |
| 重排序 | 对初筛结果重新打分排序 | 交叉编码器模型 | 提升 Top 结果精度 |
| 上下文组装 | 将检索结果拼入 Prompt | 最大 Token 数（4096） | 影响回答质量 |
7.2 为什么混合检索比纯向量检索更好？
纯向量检索依赖语义相似度，当用户问"如何配置 MySQL 连接池"时，它能匹配到"设置 HikariCP 参数"这类语义相近的内容。但遇到精确匹配场景——比如查"error code 1040"——向量检索可能匹配到"error code 2002"（语义相近但不同错误），而关键词检索能精确命中。
7.3 WorkBuddy 与 IMA 的接口调用机制
授权连接背后，WorkBuddy 通过 IMA 开放 API 实现知识库的检索和引用。整个调用链如下：
WorkBuddy 任务
│
├─ 1. 用户提问 → WorkBuddy 解析意图
│
├─ 2. WorkBuddy 判断是否需要检索知识库
│ └─ 判断依据：用户指定"基于我的知识库"或任务配置了知识库
│
├─ 3. IMA API 调用
│ ├─ GET /v1/knowledge-bases — 获取知识库列表
│ ├─ POST /v1/search — 检索知识库内容
│ │ ├─ 参数: query, top_k, threshold
│ │ ├─ 向量检索 + 关键词检索
│ │ └─ 返回: 匹配片段列表 + 相似度分数
│ └─ POST /v1/documents — 获取文档详情
│
├─ 4. 结果重排序与裁剪
│
└─ 5. 组装 Prompt → 调用大模型 → 生成回答
💡 关键点：IMA API 的
POST /v1/search接口支持同时传入query（检索内容）和filters（过滤条件，如按知识库 ID 筛选）。这意味着你可以精确控制检索范围，比如只搜索"01-资料库"中的技术文档，避免"03-输出库"中的草稿干扰结果。
7.4 检索参数调优建议
| 场景 | Top-K | 相似度阈值 | 混合权重（向量:关键词） | 说明 |
|---|---|---|---|---|
| 技术文档精确查找 | 3 | 0.8 | 5:5 | 要求高精度，宁可漏不可错 |
| 创意灵感启发 | 8 | 0.6 | 8:2 | 容忍低相关度，扩大思路 |
| 客户方案撰写 | 5 | 0.7 | 7:3 | 平衡精度与召回 |
| 代码示例检索 | 5 | 0.75 | 6:4 | 关键词匹配代码片段更有效 |
| 竞品分析 | 10 | 0.5 | 7:3 | 低阈值，广泛收集 |
八、文档预处理最佳实践：让检索更精准
知识库建好了、资料也放进去了，但很多人发现一个问题：AI 检索到的内容总是不对。问题通常不在 AI，而在你的文档结构。
8.1 文档结构对检索质量的影响
IMA 知识库的检索质量取决于「文档分块 + 向量化 + 检索策略」三个环节。你可控的是第一个环节——文档分块。
8.2 常见文档类型的最佳实践
Markdown 技术文档
# 标题（会被自动提取为知识块标题）
## 一级标题（分块边界）
正文内容… 建议每段控制在 200-300 字。
### 二级标题（子分块，建议避免过深嵌套）
- 列表项：保持语义完整，不要把一个列表拆到两个分块
- 代码块：前后留空行，让解析器识别为独立单元
关键规则：每个标题层级就是一个分块边界。如果你的文档只有一级标题，所有内容会被塞进一个分块，检索时无法精确命中。建议：
- 文档结构深度 ≥ 2 级标题
- 每块内容 200-500 字
- 代码示例单独成块
PDF 技术报告
PDF 的解析质量取决于原始文件：
| PDF 类型 | 解析质量 | 优化建议 |
|---|---|---|
| 文字版 PDF（可选中文本） | ⭐⭐⭐⭐⭐ | 直接上传，无需处理 |
| 扫描版 PDF（图片） | ⭐⭐⭐ | OCR 识别，注意中英文混排准确率 |
| 带水印/页眉页脚 PDF | ⭐⭐ | 建议先清理水印再上传 |
⚠️ 常见问题 4：PDF 解析乱码 原因：扫描版 PDF 的 OCR 识别对中英文混排、公式、代码段支持不佳。 解决：对于技术文档，建议优先使用 .md 或 .docx 格式上传，避免 PDF 解析损耗。
8.3 知识库维护策略
知识库不是建好就完事了，需要定期维护：
维护要点：
- 新文档入库：每周至少一次，保持知识库新鲜度
- 过期文档标记：技术与产品文档更新快，超过 6 个月的建议标记为"可能过期"
- 检索质量抽检：随机抽取 10 个问题，检查检索结果的相关性
- 废弃文档清理：每年至少清理一次，避免知识库膨胀导致检索噪声
九、实战案例：用知识库完整写一份技术方案
理论讲完了，来一个完整案例，看看 WorkBuddy + IMA 知识库在实际工作中怎么用。
场景
假设你是一个技术团队的负责人，需要写一份 MySQL 迁移上云技术方案。你的知识库里已经存了以下资料：
| 资料 | 存放位置 | 内容 |
|---|---|---|
| 腾讯云 MySQL 产品文档 | 01-资料库 | 云数据库功能规格、性能指标 |
| 之前写的迁移方案模板 | 03-输出库 | 上次做 Redis 迁移的文档结构 |
| 公司数据库架构图 | 01-资料库 | 当前 MySQL 主从架构、数据流向 |
| 团队技术规范 | 01-资料库 | SQL 审核规范、备份策略要求 |
| 项目复盘报告 | 03-输出库 | 上次迁移遇到的问题和解决记录 |
流程
实际对话过程
你的提问：
"基于我的知识库，帮我写一份 MySQL 迁移上云技术方案。参考 03-输出库里之前的迁移方案模板，数据库信息从 01-资料库的数据库架构图中获取，技术细节参考 01-资料库里的腾讯云 MySQL 产品文档。"
WorkBuddy 的检索过程：
- 解析意图 → 需要写一份"MySQL 迁移上云技术方案"
- 识别引用的知识库 → 01-资料库、03-输出库
- 检索关键词 → "MySQL 迁移"、"方案模板"、"数据库架构"、"腾讯云 MySQL"
- 从知识库命中 5 个相关文档片段
- 组装 Prompt → 生成初稿
生成结果示例（部分）：
# MySQL 迁移上云技术方案
## 1. 现状分析
当前架构：1 主 2 从，部署在自建机房...
（来源：01-资料库/数据库架构图）
## 2. 目标架构
目标：腾讯云 MySQL 金融版，一主两从，自动故障切换...
（来源：01-资料库/腾讯云 MySQL 产品文档）
## 3. 迁移步骤
3.1 预检查 → 3.2 数据同步 → 3.3 流量切换 → 3.4 回滚预案
（来源：03-输出库/迁移方案模板）
## 4. 风险与应对
- 数据一致性校验：基于上次迁移经验，建议增加逐行校验步骤
（来源：03-输出库/迁移复盘报告）
整个过程从 0 到初稿：传统方式需要 3-4 小时（翻资料 1 小时 + 写方案 2-3 小时），使用 WorkBuddy + IMA 知识库后 15 分钟生成初稿 + 30 分钟人工调整 = 45 分钟完成，效率提升 75%。
十、知识库建设成熟度模型
从"开始建知识库"到"知识库真正发挥作用"，通常经历四个阶段：
每个阶段的特征与行动：
| 阶段 | 特征 | 检索命中率 | 典型行为 | 下一步行动 |
|---|---|---|---|---|
| L1 收藏夹 | 收藏了 100+ 篇文章，一篇都没看过 | < 30% | 看到好文章就收藏，从不分类 | 花 1 小时清理收藏夹，按主题分类 |
| L2 资料库 | 按主题分类归档，定期上传文档 | 50-60% | 有 3 个知识库，但文档结构混乱 | 优化文档结构，增加标题层级 |
| L3 知识库 | 文档结构优化，检索精准 | 70-80% | 文档分块合理，检索体验好 | 建立产物存回闭环，积累更多资料 |
| L4 智能库 | 自动维护，知识资产持续增值 | 90%+ | AI 产出自动存回，形成飞轮效应 | 分享给团队，推广知识库文化 |
你现在在哪个阶段？ 如果你刚读完本文，应该从 L1 或 L2 起步。按本文的"建 3 个库 + 3 种方式投喂 + 文档优化"三步走，2 周内就能达到 L3 水平。
📝 总结
本文跟你分享了 WorkBuddy + IMA 知识库的完整搭建和使用方法：
| 步骤 | 核心操作 | 关键要点 |
|---|---|---|
| 连接 | 扫码授权 | 微信账号需一致 |
| 建库 | 创建 3 个知识库 | 资料库 / 项目库 / 输出库 |
| 投喂 | 上传 / 收藏 / 笔记 | 需进入知识库内部上传 |
| 使用 | 添加到任务 / 知识库提问 | 明确说"基于我的知识库" |
| 闭环 | 产物存回知识库 | 形成"资料→AI→产物"循环 |
核心观点：没有知识库的 AI 是"应届生"——它聪明但不懂你。有了知识库，AI 才真正变成"了解你的资深同事"。
🎮 技术改变生活，创新引领未来！
💻 你在用 WorkBuddy 时最想让 AI 了解你的什么资料？欢迎在评论区分享！
🚀 加入腾讯云开发者社区，与 10 万+ 开发者一起成长！
