如果你也遇到过“资料存了一堆真到用的时候却翻不出来”“收藏了十几篇好文章转头还是凭感觉备课”“知识库搭好了但每天该干什么活儿还是靠人肉安排”的情况那今天这篇内容你大概率用得上。我最近把 WorkBuddy 和腾讯 IMA 组合到一起搭了一套从“知识沉淀”到“任务执行”的完整链路实跑了一段时间连带把备课、出题、批改、学情汇总这些重复劳动一起消化掉了今天就把它展开讲讲。先说结论IMA 负责“把散落的知识收拢成可检索的底座”WorkBuddy 负责“基于这个底座把事办了”中间靠检索增强RAG和自定义 Skill 串起来形成一条“知识库 → 理解 → 行动”的流水线。这个组合放在教育场景里就是典型的双引擎一个管“记得住”一个管“搞得定”。如果你刚好是老师、教研员、课程顾问或者在做教育类产品这篇应该能帮你省下大量重复整理和写材料的时间。1. 为什么是“知识库 执行引擎”的组合1.1 知识管理的痛存了不代表能用我做知识管理将近八年从最早的文件夹命名规范到 Notion 式的数据库再到各种笔记软件踩过最大的坑就是“只解决了存储没解决调用”。资料整理得越整齐越容易产生一种错觉好像这些内容已经属于我了。可真到了要写一份课程大纲、出一套分层练习、给家长写学情反馈的时候该翻的资料还是翻不到该写的文档还是从空白开始。原因很简单传统的知识库是一个“被动仓库”它只能等你手动去翻、手动去搜、手动去复制粘贴。你问它“浮力这节课有哪些常见易错点”它会扔给你几十篇文档让你自己找而不是直接告诉你答案。知识库里的内容不会主动变成你的执行力这是“存了不等于会用”的结构性矛盾。我见过很多人搭知识库搭得特别漂亮标签体系、目录结构、双链一应俱全但三个月后打开率趋近于零。问题不在整理方法而在整个链路里缺了一个“执行层”没有东西把知识检索出来、消化掉、再输出成可用的成果。这就是我后来决定引入 WorkBuddy 的根本原因。1.2 WorkBuddy 与 IMA 各自擅长什么先把这个组合里两个角色的分工说清楚。IMA 是知识侧的“底座”核心价值是把微信文章、网页、PDF、笔记这些零散内容收拢进个人或团队知识库再基于语义检索把问题对应到相关内容上。它的优势在于“存得进去、查得出来”而且对中文内容的语义理解做得比较舒服日常用网页端或小程序就能持续往里喂料门槛很低。WorkBuddy 则偏执行侧更准确地说它是一个带 Agent 能力的工作台可以承载多步骤任务、调用工具、执行自定义指令并且通过 Skill 把一套复杂流程固化成可复用的能力。它更像一个“知道你手头有什么资源、能替你把活儿按步骤干完”的操作者。你给它一个目标它会自己去问知识库拿材料、自己判断怎么做、自己把结果整理成交付格式。两者单独用都有明显短板IMA 只回答“你知道什么”不负责“接下来干什么”WorkBuddy 只擅长“把事情干完”但如果背后没有可靠的知识来源它只能依赖通用大模型的记忆生成的东西容易空、容易泛。合在一起正好互补IMA 提供带出处、可验证的内容WorkBuddy 负责把这些内容加工成指定格式的交付物。双引擎的名字也就是这么来的。1.3 “双引擎”工作流的核心逻辑我实际跑通的流程可以抽象成四步沉淀、检索、加工、交付。沉淀由 IMA 完成你每天把看到的文章、文件、案例丢进去不需要花精力做精细分类IMA 的语义索引会帮你搞定召回检索发生在 WorkBuddy 发起任务时它先把任务拆成若干子问题再带着子问题去 IMA 里做检索拿回的片段就是“证据”加工是 WorkBuddy 根据指令模板把这些证据组织成教案、题目、点评、报告等具体产物交付则是把结果写回指定位置或者直接进入下一个任务。这套逻辑之所以能成立是因为它把“记忆”和“行动”解耦了。知识库是公用的、持续更新的而执行引擎是可随时切换配置的。我后面要讲的自定义指令和 Skill本质上就是在给 WorkBuddy 规定“你该怎么用这些知识”。打个比方IMA 是食材仓库WorkBuddy 是厨房Skill 是菜谱。仓库再满没有菜谱和厨子菜还是不会自己跑上桌的。2. 用 IMA 搭好你的知识底座2.1 教育场景下知识库该怎么规划很多人在第一步就做错了把知识库当成网盘什么文件都往里塞。IMA 固然能存很多东西但检索质量取决于内容的组织方式。以教育场景为例我建议按“用途”而不是“来源”来建库因为检索时你关心的是“我要解决什么问题”而不是“这篇资料当初从哪个网站存下来的”。我目前的 IMA 知识库分成四类。第一类是课程资料库放教材解读、课程标准、优秀教案、课堂实录服务备课场景第二类是题库与命题库放历年真题、章节练习、易错题分析服务出题和讲评场景第三类是教研与理论库放教育心理学、学习方法、论文摘要、行业报告服务教研写作和教学设计第四类是学情档案库放班级共性问题和个别学生的反馈记录服务学情分析和家长沟通。每一类库的命名、标签、导入来源我都会保持统一规则。这么做的好处是WorkBuddy 在检索时可以指定只搜某个库避免“备课时把学生隐私内容也拉出来”这种尴尬情况。比如我写教案时检索范围只指向课程资料库和理论库写学情反馈时才允许检索学情档案库。知识库分库不是给文件分类是在给“执行引擎画权限边界”。2.2 文件导入与网页收藏的实操细节IMA 的内容入库方式我主要用三种网页收藏、文件导入、手动笔记。网页收藏适合微信文章和在线资料看到好内容直接一键收藏讲真特别适合教研组一起用。文件导入适合 PDF、Word、PPT 这类离线文档我一般优先导入 PDF 版而不是 Word 版因为排好版的 PDF 在语义切分时上下文保持得更好表格和图片的位置关系不容易乱。有个细节值得提醒导入后不要急着用先做一次“校验问答”。我会随机从文档里挑三个细节问题去问 IMA比如“这份教案里导入环节用了什么素材”如果答不上来或者引错了段落说明切分方式可能有问题我会把这类文档转成纯文本再重新导入。这一步花不了几分钟但能避免后续整个流水线基于错误检索运转。图片和扫描件这一类资源IMA 本身不是直接对图片做语义检索的。网上总有人问“RAG 知识库能存图片吗”我的做法是把图片里的关键信息先用 OCR 或重述文字写进同一条笔记再附上原图。这样检索时命中的是文字需要时再人工查看原图。对教育场景里的板书照片、教材截图来说这个方案足够用了。2.3 知识入库的“清洗”标准知识库不是垃圾桶不是所有内容都值得进去更不是越全越好。我给自己定了几条清洗标准供你参考第一只入“半衰期长”的内容比如学科知识、教学方法、经典案例那些今天看完明天就过时的新闻资讯不值得占用检索空间第二每个文件进库前必须能在 30 秒内说清楚用途说不清楚就不入第三旧版本资料必须替换而不是叠加否则同一个知识点会被不同时期的说法互相干扰第四涉及学生个人信息的内容要做脱敏用“学生A”“某班”代替真实姓名这一步不是可选项。说到替换旧版本我分享一个踩过坑的经验早期我把 2022 版和 2024 版课标解读都放进了同一个知识库结果 WorkBuddy 生成教学设计时经常混用两版的说法。后来我在文件命名上强制加年份并且检索指令里明确“优先使用最新版本旧版本仅作对照”。这一条一定要写进你的自定义指令里否则模型不知道你脑子里有时间轴概念。3. WorkBuddy 如何接入知识库配置与调用3.1 接入方式的取舍插件、API 还是中间格式把 IMA 和 WorkBuddy 接起来目前大致有三条路线我按推荐程度排个序第一条是原生插件或官方集成如果 WorkBuddy 的插件市场里已经有 IMA 连接器直接装就行配置最简单这也是后面我重点讲的方式第二条是通过 API 把 IMA 的检索能力暴露给 WorkBuddy 的 Tool 调用灵活度最高适合有开发能力的团队第三条是“中间格式搬运”把 IMA 检索结果定时导出成 Markdown 或 JSON再作为上下文喂给 WorkBuddy最笨但最可控。我自己的选择是“插件 自定义指令”为主API 作为补充。原因是教育场景下稳定性和可解释性比灵活性重要。插件方式下WorkBuddy 每次检索时能在结果里带上原文出处我检查它有没有胡说八道时心里有底。下面这张表是我当时做选型时的对比你可以参考接入方式配置难度时延可控性适合场景原生插件低低中个人与教研组日常使用API 接入高中高需要批量处理、自定义检索逻辑中间格式搬运低高高网络受限、内容权限敏感3.2 把 IMA 变成 WorkBuddy 的“检索后端”用插件方式接入时我一般会先建一个最小测试用例来验证通路是否正常。步骤很简单先在 IMA 里准备一份 1000 字左右的测试文档内容包含几个明确的数字和结论然后在 WorkBuddy 对话里问一个必须依赖这份文档才能回答的问题比如“测试文档里提到的三个关键词分别是什么”如果答案准确并引用了原文说明检索链路已经打通。这一步我建议每一位刚搭完的人做一遍别急着上复杂 Skill先确认水和电通了再装修。接着要做的是定义检索参数。不同实现里参数名字可能不同但核心就几个检索返回条数top_k、相似度阈值、上下文窗口长度。我常用的配置是 top_k 设为 5相似度阈值设在 0.35 左右上下文窗口根据文档长度控制在 3000 到 6000 字。top_k 太小容易漏信息太大会把不相关内容塞进上下文干扰判断阈值太高查不到东西太低会召回一堆似是而非的内容。这个值需要根据你自己的文档风格微调我用 0.35 是因为教研类文档里同义表达多阈值太苛刻反而吃亏。还有一个小技巧给 WorkBuddy 设定一个“知识库优先”的规则让它碰到问题时先查 IMA 再回答而不是直接依赖自身记忆。这就像写论文先查文献再下笔。没有这个规则模型很容易图省事用训练数据里的常识来回答你最后产出的内容看起来很顺但和你手里这批学生、这本教材完全对不上。3.3 配置自定义指令和 Skill让知识自动“变现”自定义指令是这套组合里最值得花时间的地方。我给 WorkBuddy 定义了几条长期生效的规则简单说就是告诉它“你是谁、你有哪些资料可以用、你该按什么规范干活、你绝对不能做什么”。比如我有一条指令这样写“你是擅长教学设计的一线教师你的备课资料在课程资料库中每次产出教学设计必须引用知识库内容并在文末注明依据不得编造学生数据所有面向家长的文字要温和具体避免诊断式结论。”这几句话看起来朴素但能把模型的输出风格和边界框死比每次临时在对话框里啰嗦一遍高效得多。Skill 则比指令更进一步把“检索—分析—产出”整套流程固化成按钮式操作。我举个实际配置例子一个名为“单元课设计”的 Skill大致结构如下{ skill_name: 单元课设计, trigger: 输入教材版本、章节号与课时数, steps: [ 在课程资料库中检索该章节的课标要求和常见教学设计, 在题库与命题库中检索该章节的典型例题与易错点, 按照模板生成教学目标、重难点、导入、新授、练习、小结六段式教案, 为每个环节标注所用知识来源 ], output_format: markdown 文档 引用来源列表, constraints: 不使用知识库中不存在的数据不输出未经验证的结论 }实际配置时不需要完全按这个 JSON 来但你要理解背后逻辑Skill 的本质是“把标准动作拆解成检索子任务和生成子任务”。我强烈建议 Skill 不要一上来就做得很庞大先做“一课一设计”跑顺了再扩展成“一单元多课联动”。Skill 数量不是越多越好每一个 Skill 都要对应一个你真实的、高频的、重复的劳动场景否则就是给自己造了一堆很少按的按钮。4. 教育场景实战一个完整的“备—教—练—评”闭环4.1 场景设定第一课时的完整任务流理论说多了容易飘我直接拿一个刚实践过的案例来走一遍完整流程。场景是初中物理“浮力”单元的第一课时任务目标包括写一份 45 分钟教学设计、生成课堂用 PPT 大纲、出一组分层次课后练习、在批改之后汇总班级学情反馈。以前这套流程我手工做大概需要四到五个小时中间还要在不同的软件之间来回切换。这次我全程用 IMA WorkBuddy 接力完成流程拆成四段备、教、练、评。这个流程的每一步我都刻意做了一件事把“大任务”拆成“小任务”而不是让 WorkBuddy 一口气生成整个单元的所有东西。拆细了的直接好处是每一步都能检查、能修正坏在哪一步就在哪一步重跑不用整锅重来。这和写代码时“小步提交”是一个道理任务越粗出错时越难定位。4.2 从知识检索到教案生成第一步“备”的核心提示词我大概长这样“检索‘浮力’相关的课标要求、教材分析、生活化导入案例输出一份 45 分钟教学设计目标要对应课标层级导入要给出三种不同方案供我挑选每个教学环节后面注明引用了哪份资料。”注意我把“三种不同方案”写进去了这是很实用的一招不给模型一个单选题让它先给选项再由人来拍板这样既能激发它的能力又保留了人对教学节奏的把控权。实际跑下来WorkBuddy 从 IMA 里准确拉出了“浮力方向竖直向上”“阿基米德原理公式”“物体浮沉条件”几个关键知识点并且给出的导入方案里有一个是用“轮船从河里开到海里是上浮还是下沉”做引子这个案例正好来自我知识库里收藏过的一篇文章。如果纯靠模型记忆它大概率不会记得这篇文章这就是知识库参与生成的价值。拿到教案初稿后我还要花十分钟做人肉校对看教学目标是行为目标还是空话套话看活动环节的时间分配是否合理看有没有把高中内容提前下放到初中。这里我要强调一个观点AI 生成的内容是“初稿放大器”不是“最终决策器”。你可以省掉从空白页开始的痛苦但教学设计的专业判断仍然得由人来兜底尤其是目标层级的准确性和学生认知负荷的把控这两件事模型还做不了。4.3 出题、批改与学情反馈的自动化第二步“教”相对简单我把教案核心环节作为输入要求生成 PPT 大纲并指定“每页只放一个核心结论配一个生活案例页底标注对应教案环节”。第三步“练”才是重头戏。我让 WorkBuddy 按“基础巩固、能力提升、拓展挑战”三个层级出题每层题量 4 到 6 题同时要求每题标注考察的知识点和难度预估。这里最关键的一个约束是“每题的依据必须来自题库知识库”防止模型自己编题。批改环节我是这样做的把学生提交的答案整批贴给 WorkBuddy让它按评分标准逐题批阅输出每题得分、典型错误、需要复盘的学生名单三类结果。第四步“评”则把所有批改结果汇总成一份学情反馈班级整体掌握情况、三个层级题目的得分率差异、下节课需要重点强化的内容、面向家长的反馈话术模板。整批处理完成后我发现自己手动做这份反馈至少要一个小时而整条流水线跑完约 20 分钟其中大部分时间还是花在我自己做最终审核上。中途也翻过车一次把两个班的学生答案混在一起提交WorkBuddy 直接按同样的标准批了没区分平时成绩差异硬是把基础薄弱班的成绩评语写得很难看。后来我在指令里加了一条“按班级分组逐一处理不同班级采用不同评语风格”问题才解决。教育场景的数据处理分组和边界规则永远要在第一位。5. 常见问题与排查技巧实录5.1 检索结果飘、答非所问怎么办这是用 RAG 类方案最常遇到的问题症状是模型回答的内容看起来很流畅但引用片段和问题根本不沾边。我的排查顺序是固定的先在 IMA 里直接用同样的问题搜一次看知识库自己能不能命中。如果知识库本身就搜不到那不是 WorkBuddy 的问题是知识库里缺少相关内容或内容组织混乱先去补资料、调命名、换文档格式。如果 IMA 能搜到但 WorkBuddy 没用上那大概率是检索参数或指令的问题。我会先把 top_k 调大一点看看能否召回再把相似度阈值调低一点同时检查指令里是否写明了“必须引用知识库内容”。还有一种经常被忽略的情况问题本身太复杂包含多个子问题模型在检索时把问题糅在一起什么也没查准。这时候要把问题拆开一次只查一个点查完再组合。问题现象排查方向我常用的解法引用片段与问题无关知识库命中率先用 IMA 单独验证检索检查文档切分质量知识库能搜到但生成没用上指令约束不足在指令中强制“先检索再作答并标注来源”多条件问题答不全问题拆分缺失拆成多个子任务分别检索后再合并内容过时混入版本管理缺失文件名加年份指令里声明“优先使用最新版”5.2 上下文溢出、任务中断的处理教育场景的文档经常很长一份完整的优秀教案动辄几千字如果让 WorkBuddy 一次性处理好几个文档很容易触发上下文窗口上限表现是回答到一半突然丢失前文信息、或者后续环节开始重复前面的内容。我的解法是文档切片策略不把整份 PDF 塞给模型而是在检索阶段只把命中的片段传给生成阶段每个片段控制在几百字以内。这本质上就是 RAG 的设计初衷你要信任检索器帮你做了一次“重点摘要”。任务中断是另一个高频问题特别是多步骤 Skill 跑到一半报错。我的建议是所有 Skill 在配置时都加上“输出中间产物”的要求比如“完成第二步后先输出一份检索要点清单确认后再继续第三步”。这样即使中断你手上也有一份阶段性结果可以接着用不至于全部重跑。我早期没这么做一个单元课设计跑到第五步挂了前三步的合理产出也跟着丢了只能硬着头皮重新来非常浪费。5.3 缓存、目录与多设备同步的坑跟 WorkBuddy 本身相关的还有一个高频痛点系统缓存目录越占越大。网上很多人问“WorkBuddy 怎么更改系统缓存目录”我的做法是把缓存路径指向一个独立的大分区或移动硬盘避免把系统盘塞满。设置完成后记得重启应用再验证新目录是否生效不要只看设置面板显示变了就以为成功了用资源管理器确认新路径下确实在产生文件才算数。多设备同步这块我的经验是知识库放云端IMA 天然支持生成的工作成果落本地或团队共享盘不把构建产物直接写进知识库。原因很简单知识库是“源”产出物是“流”把流回灌到源里会把检索质量稀释掉。如果你确实想把优秀产出沉淀回知识库请单独开一个“成果库”分类别和原始素材混在一起否则以后检索时你会分不清哪份是官方材料、哪份是自己拍的初稿。5.4 权限与隐私的边界最后一条也是我最想强调的教育场景里知识库往往包含学生信息、班级内部数据接入 WorkBuddy 这类执行引擎时一定要在指令和 Skill 层面做好权限隔离。我自己的底线是学生真实姓名和能定位到具体个人的信息一律不进知识库即使进了也必须在导入前脱敏。这不是技术问题是职业伦理问题。宁可让检索结果少一点细节也不能把不该暴露的信息交给模型处理。另外如果是在团队里共享这套配置别把个人知识库直接设为团队默认检索源。我见过一个真实事故一位老师把自己整理的班级纪律记录也放进了共享知识库另一位同事在生成家长会课件时把这些内容当成了案例素材场面相当尴尬。分库、分权限、分指令这三个“分”字是多人协作场景下的底线配置。6. 一些个人体会与建议6.1 别把知识库当成仓库要让知识“流”起来我搭完这套组合最大的体会是知识库最大的价值不在于你存了什么而在于它多久被执行一次。一个充满优质内容但三个月没人访问的知识库和一个每天被各种任务调用、帮忙产出教案和反馈的知识库价值天差地别。IMA 解决了“存得住”WorkBuddy 解决了“用得上”你真正要做的是想办法让内容在两端之间高频流动比如每天固定跑一两个 Skill、每周复盘哪些资料被频繁引用这些都是让知识“活”起来的手段。6.2 从最小闭环开始别一上来就追求大而全如果你也想照着这套方案落地我的建议是先别急着配置一堆 Skill也别花两周时间把所有历史资料一股脑清洗进知识库。先选一个你每周都要做的具体任务比如“周测成绩分析”把它的流程用 IMA WorkBuddy 完整跑通跑通之后再考虑增加新的 Skill。我的经验是最小闭环能跑通带来的正反馈比任何周密的规划都更能推动你把这件事坚持下去。做完一个再做下一个半年之后回头看你会发现自己已经攒下了一套相当完整的自动化工作台。6.3 人的角色没有消失只是后撤了一步最后想说点直接的这套双引擎组合不会让老师失业它会让不怎么用工具的老师和很会用工具的老师之间拉开明显差距。知识库负责让优质经验被反复使用WorkBuddy 负责把执行成本降到极低而人的价值在于定义标准、校准方向、守住底线。工具解决“做得快不快”人解决“做得对不对”。我现在省下来的时间一部分用来检查 AI 产出的质量一部分用来补充更多优质资料进知识库形成“用得越多、库越好、库越好、用得越省”的正循环。这才是双引擎真正该跑的方向。