腾讯 ima 怎么和其他工具组合：一条可落地的工作流
腾讯 ima 是一款客户端应用：腾讯推出的 AI 知识库与搜索阅读工具。
单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。
推荐组合：腾讯 ima + MLC LLM
MLC LLM 的定位是：把大模型编译部署到手机、浏览器等设备的开源项目。两者分工可以是：腾讯 ima 负责「资料卡片整理」这一步，MLC LLM 负责用本地模型处理敏感部分。
工作流步骤
- 明确交付物和验收标准，例如：每张卡片都有来源。
- 准备输入：搜索得到的十几篇资料，先去掉敏感信息。
- 在腾讯 ima 中执行核心步骤（提示词见下文）
- 把结果交给 MLC LLM 做下一步处理，或从 MLC LLM 取得所需材料。
- 人工检查关键事实与格式，记录发现的问题。
- 把这次用到的提示词和设置保存为模板，下次复用。
资料卡片整理
准备材料：搜索得到的十几篇资料。
把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。
验收标准：每张卡片都有来源。
交接时最容易出问题的地方
- 格式不兼容：两边导入导出的格式提前测试一次。
- 信息丢失：每次交接附上来源和版本号。
- 责任不清：约定哪一步由谁做最终确认。
- 权限分散：两边的账号和分享范围分别检查。
如果暂时不想引入第二个工具，也可以先用秘塔等同类产品替代其中一环，跑通流程后再决定。
延伸练习
网页内容抓取
适用情况：手头有一组需要定期关注的网页时。
把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。
检查点：没有臆造发布日期。
内部文档入库
适用情况：手头有一批 PDF、Word 和网页时。
把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。
交付前确认：切分后的段落能回溯到页码。
带来源的快速调研
输入：一个需要事实支撑的问题。
请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。
交付前确认：关键结论都有可点击来源。
常见问题：搜索结果过时
限定时间范围，或在提问中注明需要最新信息并核对发布日期。
常见问题：回答过于笼统
要求逐条引用原文，并限定只回答文档中有依据的内容。
常见问题：中文检索效果差
选择对中文支持好的嵌入模型，并为专有名词建立同义词。
概念补充：引用溯源
回答附带原文出处，便于核对。
概念补充：切分（Chunking）
把长文档拆成适合检索的小段，大小影响效果。
适合人群：软件工程师
软件工程师可以用 ima 处理代码阅读与重构、测试与排错等工作。需要注意：不要把密钥和未开源代码上传到未授权工具，合并前审阅每处改动。
注意事项
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。
涉及个人信息、商业机密或受监管数据时，先确认腾讯 ima 的数据处理条款，再决定能否使用。