◉ Product Requirement Document

AI知识自生长管理系统重构

面向 ima.copilot 的框架与首页优化重构方案。目标是提升 Copilot、知识库、笔记等核心功能的感知度与易用性，并让用户真正完成"输入、消化、沉淀、复用"的知识闭环。

刘乐仪 · 上海交通大学 · lly661@sjtu.edu.cn · 课题一

1. 背景与选题原因

我选择 ima 题目，是因为自己本身就是笔记软件和知识库工具的重度使用者。

我长期使用过 Goodnotes、Notability、OneNote、Notion、飞书、Obsidian。它们分别解决了记录、手写、协作、结构化、双链、知识管理的一部分问题，但在真实使用中，仍然存在共同痛点：信息进入工具后，经常停留在"被保存"的状态，没有变成下次任务可直接调用的知识。

核心判断：AI 时代的笔记产品竞争，不再只是记录体验，而是信息进入后的自动消化、组织、关联和复用能力。

ima 现状观察

ima 已经具备"发现页、共享知识库、Skills"等能力，说明产品方向并不是缺少知识供给和能力市场，而是这些能力还没有被充分串联到用户日常工作流里。用户可以订阅别人共享的知识库，也可以下载 Skills，但常见问题是：知识库里多是公众号推文、PDF 等原始素材，仍然主要依赖 RAG 问答；Skills来源一般是下载发现或者@整理，对知识的利用率其实并不高，在评论区也发现很多用户对自己下的各种各样的skill缺乏了解，不知道自己有哪些skills，何时、在哪里、如何调用。

因此本方案希望能在 ima 已有能力之上补齐"AI 收件箱 → 内容消化 → 标签知识库 → 关联记忆 → Skill 巡检与调用"的中间层。

2. 竞品分析

用"输入、组织、关联、AI 复用、门槛"五个维度看主流笔记和知识库产品。

产品 核心优势 启发 局限
Goodnotes 手写体验、PDF 标注、跨设备、AI 搜索与总结、会议笔记 输入体验要足够自然，尤其适合学习和资料阅读 更偏文档和手写笔记，知识自动关联与复用弱
Notability 手写、录音同步、课堂和会议记录 多模态记录能降低记录成本 组织方式仍偏传统主题和文件管理
OneNote 自由画布、分区页面、Office 生态、多媒体承载 低门槛收集信息很重要 结构依赖人工维护，知识关系不明显
Notion 数据库、Wiki、模板、项目协作、Notion AI 结构化知识和模板复用价值高 上手和维护成本高，用户需要自己设计系统
飞书 云文档、多维表格、妙记、团队知识库 办公协同场景中知识沉淀和流程连接很强 更偏组织协作，个人灵感和收藏的轻量消化不足
Obsidian Markdown、本地文件、双链、图谱、插件生态 最接近人脑联想式知识网络 门槛很高，结构和链接依赖用户主动维护

竞品结论

现有产品多数解决了"记录"和"存储"，少数解决了"结构化"和"关联"，但不够自动化门槛高，并且还没有充分解决"AI 自动消化后持续生长并可被任务调用"的问题。ima 的机会在于用 AI 原生方式降低整理成本，让知识库从静态仓库变成动态工作台。

3. 用户洞察

结构化输入用户

有长笔记、课程资料、会议纪要和项目文档，希望自动分类、可检索、可复用。

碎片化输入用户

有灵感、摘录、收藏、经验贴和临时事项，希望内容不要混在一篇杂乱笔记里。

进阶知识工作者

希望把反复使用的方法沉淀成模板、工作流或 Skill，下次任务直接自动调用。

核心痛点

  • 信息进来了，但没有被消化，收藏夹和知识库变成堆积场。
  • 订阅知识库后，内容往往仍是原始素材列表，用户只能问答，难以获得结构化笔记和方法论。
  • 笔记存下来了，但关系没有形成，用户想不起它和哪些内容有关。
  • 对知识的利用率其实不高，用户对自己下的各种各样的skill缺乏了解和认知，入口、触发和使用反馈不够完善。
  • 结构化系统维护成本高，Notion 和 Obsidian 强大但需要长期自我管理。

典型用户旅程

1
发现与收藏

小王在小红书刷到一篇《AI 产品经理成长路径》，觉得对面试有用，点击"分享到 ima"。

→
2
自动消化

ima 自动生成摘要、拆分为 3 条知识切片，并打上"AI产品经理""面试准备""成长路径"标签。

→
3
用户确认

小王打开 AI 收件箱，确认摘要准确、调整了一个标签，将切片归档到"面试准备"标签下。

→
4
自动关联

系统根据语义自动关联到小王之前存的"面试题库""产品能力模型"笔记，首页出现关联推荐。

→
5
沉淀复用

一周后 Skill 巡检提示：你已积累 5 条面试类笔记，是否沉淀为"AI 面试题库生成"Skill？小王点击确认。

4. 产品定位

面向学习、办公和内容消费场景的 AI 自生长知识工作台。

多源输入笔记、文件、网页、其他平台收藏转发等
AI 消化摘要、切片、打标、聚类、去重
关键确认关键归档、标签合并、Skill 转化可监督可修改
关联记忆语义相似度、双向索引、知识图谱
知识沉淀模板、方法论、流程、Skill

5. 首页重构方案

设计目标：首页不应从”极简问答入口”变成复杂后台，而应升级为”轻量知识工作台”。 信息架构遵循三级梯度原则——第一级是”我能做什么”（输入、提问），第二级是”发生了什么”（知识增长反馈），第三级是”还能怎么做”（关联推荐、Skill 调用）。 保留 ima 以 Copilot 输入为核心的低干扰体验，同时让用户一眼看到知识正在被导入、整理、关联和沉淀。

设计原则

主入口不变 中心输入框仍然是第一心智，用户可以继续直接提问、记录、粘贴链接或上传资料。
能力轻量可见 通过今日知识增长、AI 收件箱和知识生长卡片，让整理能力被感知，但不打断输入。
关键步骤可控 AI 自动整理后保留人工确认、编辑、跳过等兜底动作，避免黑箱归档。

页面结构

首页整体结构展示

模块拆解

01

顶部 Tab 标签页

参考浏览器标签页，用于管理当前打开的首页、知识库、笔记或社区内容，降低多任务切换时的迷失感。

02

左侧核心功能导航

承载首页、AI 收件箱、知识库、标签、Skills、社区发现和知识脑图等主要入口，对应输入、整理、关联和复用链路。

03

今日知识增长

展示导入资料、新增笔记、新增标签、新建 Skills 和本周趋势，让用户感知知识库正在持续生长。

04

中心输入与快捷操作

保留大输入框作为核心入口，配合导入资料、新建笔记、对话模式、快速模型和粘贴链接，保证输入足够轻。

05

技能快捷入口

保留录音纪要、文件精读、智能写作、图像生成、快速访问等高频技能，承接 ima 原有工具心智。

06

核心能力卡片

通过 AI 收件箱、知识生长、Copilot 下一步三张卡片，展示“输入后如何被整理、确认、关联、输出”。

07

消息与控制区

右上角保留通知、Copilot 状态和用户头像等轻量控制入口，不额外堆叠复杂功能面板。

08

陪伴式桌宠

右侧桌宠不承担正式输入功能，通过气泡、戳戳、轻提醒提供陪伴感和待办提示。

首页第一屏要传达的心智 我可以快速输入 AI 会帮我整理 旧知识会自动关联 知识可以沉淀为 Skill Copilot 会陪伴并提醒我

6. 核心功能设计

AI 收件箱功能展示 AI 收件箱

统一承接用户的笔记、链接、文件、截图和收藏内容。用户在小红书、微信公众号、知乎等平台看到有价值内容后，可通过"分享给 ima"进入 AI 收件箱。

智能切片功能展示 智能切片

把一篇混杂笔记拆成多个独立知识卡，每张卡拥有摘要、来源、标签和关联内容。

原始素材与知识卡双层保存

既保留原文链接、PDF、公众号推文等原始素材，也由 AI 生成摘要、切片笔记、标签和可复用卡片，避免知识库只停留在素材堆积。

标签聚类功能展示 标签知识库与标签聚类

AI 生成标签并合并相似标签。标签不仅是分类名，也代表可重叠的知识库；标签层级关系承担结构化整理作用。

知识关联功能展示 知识关联

基于语义相似度与AI智能摘要分析建立双向或单向索引，帮助用户看到旧笔记和新内容之间的关系。

知识关联功能展示 知识健康检查

识别重复、过时、冲突和可沉淀内容，避免知识库越用越乱。

周期 Skill 巡检与管理

AI 定期检索各知识库，判断哪些知识被反复使用、适合沉淀为 Skill，并在首页、知识库详情页和输入框中给出调用入口。

半自动整理功能展示 半自动整理与兜底确认

AI 可以自动完成摘要、切片、标签建议、关联推荐和归档建议，但关键步骤需要给用户可见状态、可修改入口和最终确认，避免黑箱整理带来的误分类和误调用。

知识增长模块展示 今日知识增长模块

在首页用轻量数据反馈展示今日导入资料、新增笔记、新增标签、新建 Skills 和本周沉淀趋势，让用户感知"知识库正在生长"，建立持续使用的满足感。

陪伴式桌宠助手展示 陪伴式桌宠助手

首页右侧保留一个轻量桌宠，不承担额外输入入口，而是提供情绪价值、待办提醒和低压引导。

7. MVP 范围与指标

MVP 范围（按优先级）

P0 — 核心功能

  • AI 收件箱：支持文本、链接、文件导入，优先覆盖"分享链接到 ima"的收藏消化场景。
  • 自动摘要、切片、标签生成：将输入内容自动拆分为独立知识卡，每张卡拥有摘要、来源、标签。
  • 原始素材与知识卡双层保存：原文可追溯，AI 摘要、切片、标签可直接复用，避免知识库只停留在素材堆积。
  • 半自动确认流：对切片、标签、关联和归档提供用户确认、撤销、编辑和跳过，避免黑箱整理。

P1 — 体验加分项

  • 关联推荐：展示相关笔记和相关知识卡，帮助用户发现旧内容与新内容的关联。
  • 标签聚类与层级建议：合并相似标签，建立标签层级关系用于结构化整理。
  • 今日知识增长：在首页展示导入资料、新增笔记、新增标签、新建 Skills 与本周沉淀趋势。
  • 桌宠助手：提供待办提醒、整理进度提示和轻量鼓励，但不改变主输入路径。

P2 — 后续迭代

  • Skill 候选巡检：识别高频知识和流程，提示用户转为 Skill。
  • Skills 管理系统：Skills 也有自己的标签分类，可被显性查看，并被手动或自动调用。

暂不放入 MVP

小红书等外部平台的自动抓取涉及版权、平台规则和合作机制，第一阶段可设计为"分享链接到 ima 后由用户授权解析"，完整插件和平台合作作为后续方向。

核心指标

指标意义
首次导入成功率衡量多源输入链路是否顺畅。
AI 标签采纳率衡量自动分类是否可信。（用户也可以自己编辑或者添加标签）
用户确认/修改率衡量半自动流程中哪些步骤需要人工兜底，反向优化 AI 整理质量。
今日知识增长模块点击率衡量轻量反馈是否能建立用户对知识生长的感知和持续使用动机。
桌宠提醒响应率衡量陪伴式提醒是否能推动用户处理待整理收藏、完成知识沉淀。
推荐关联点击率衡量知识关联是否真的有用。
收藏内容形成的笔记二次点击使用率衡量"收藏即吃灰"问题是否改善。
知识卡转模板/Skill 数量衡量知识是否完成复用沉淀。
每周知识调用次数衡量 ima 是否成为持续使用的知识工作台。

8. 风险与边界

  • 分类不准：AI 自动标签和切片必须可编辑、可撤销、可合并。

    缓解措施：AI 标签展示置信度评分，低于阈值的标签默认标记为"待确认"并折叠。MVP 期间收集首批 500 条用户修正数据，用于回训标签模型，目标将首次标签准确率从预估 65% 提升至 85%+。

  • 隐私风险：知识库内容需要明确权限、来源、分享范围和本地/云端处理策略。

    缓解措施：用户创建的笔记默认私密；共享知识库需显式授权；AI 摘要和标签生成全程在用户授权范围内执行，不将内容用于公共模型训练。符合《个人信息保护法》最小必要原则。

  • 平台内容合规：外部收藏导入需尊重平台规则和版权边界。

    缓解措施：第一阶段设计为"分享链接到 ima → 用户授权后解析"，完整插件和平台合作作为后续方向。导入内容标注原始来源链接，知识卡保留原文引用以满足合理使用要求。

  • 图谱实用性：知识图谱应服务检索和发现，不应只做视觉展示。

    缓解措施：知识图谱上的每个节点均对应一条可点击进入的知识卡，关联线附带关系类型（相似、引用、互补）。加入"图谱搜索"和"路径推荐"功能，确保图谱是检索工具而非视觉演示。

  • 过度自动化：AI 应给出建议，由用户确认关键归档和输出结果。

    缓解措施：所有 AI 自动操作（归档、标签合并、Skill 转化）均需用户显式确认后才生效。提供全局"自动整理日志"页面，用户可回溯每一笔自动化操作并选择回滚。默认关闭全自动模式，用户可主动开启。