今天去了一趟腾讯 Ima 的线下活动。
听了六个人的分享，有能源经济学家翟永平、百宸律所的龚焕律师、海南省统计局的符策文；还有北京交通大学的郑涛教授、屠龙之术主播庄明浩，以及 Ima知识号的产品经理Cathy。
然后，发现他们在讲同一件事：自己攒了十年、二十年、四十年的专业知识，正在脱离自己的大脑，独立活着。
因为这些人在AI出现之前，就已经在做知识积累这件事了，而且做了很久很久。
比如：翟永平，1978年考上清华热能工程系，后来去法国读完硕博，在非洲开发银行和亚洲开发银行一共干了27年。
写文章写了40多年，最早是纸质校刊，后来写新浪博客，再后来开了个公众号，叫「国际能源小数据」，写了十年，快五万订阅了。
庄明浩做了个播客叫「屠龙之术」，100多期，专门追踪AI行业的动态。
他每两三个月手搓一个几十页甚至近百页的PPT，把当期AI行业的技术、资本、竞争、融资全部整理一遍，朋友说听他播客像听网课，听之前需要沐浴更衣。
龚焕讲了一个很具体的痛点。
律师的经验全装在自己脑子里，人走了，经验就带走了。律所作为一个组织，一直想把这些东西沉淀下来，一直没找到好办法。
符策文，2014年就在海南省统计局开了微信公众号做数据服务。
十几年了，全省的统计数据、法律法规、实务指南一直在往外推，一直在琢磨怎么让数据真正被人用起来。
郑涛试过公众号、试过视频号，通宵写出来的文章发出去，阅读量个位数，一直在找一种适合教师身份的知识传播方式，碰壁好几年了。
你发现没有，这些人在遇到AI之前，状态很像，燃料已经攒了很久，缺一个更好的炉子。
......
那如果有了炉子，把知识倒进去之后会发生什么？Ima 做的就是这个事，变化比你想象的来得快。
符策文把知识分成三类：
官方统计数据、法律法规条文、统计工作实务指南；分好类灌进去之后，原来要打12345热线问的事，现在对着知识库打一句话就有答案，还带着原文出处。
一线统计员的感受最直接。
过去出差调研，要么打印一沓纸，要么往手机里塞一堆文档，在手机屏幕上翻表格找数据，非常考验眼力和耐心。
现在呢？一部联网的手机加一个知识库，全省的统计数据随你调用；写一个分析提纲，现在十几秒出框架。
他说了一句话，我觉得特别准确：数据的真正价值和发布出去关系不大，得被用上。
翟永平的变化是另一种。
他每天的工作流变成了固定的三问。早上打开Nature、Science或者顶级能源平台，找到最新的研究，扔进知识库。然后开始问：
一，库里已经有一千多篇文章了，这篇新东西，到底新在哪？二，这个成果对能源行业来说，意味着什么？第三，对普通人意味着什么？
他说，公众号永远回答不了第一个问题，知识库可以。
因为库里堆了一千多篇文章，新研究一进来，AI能把它放在已有的坐标系里定位，跟以前的工作比一比，亮点到底在哪，它说得出来。

还有一层变化，是语言。
他日常工作涉及中英法日四种语言。知识库直接把这面墙推倒了。
他说了个事，法国人在搞大模型，很少有人知道。法国人用核电这种低碳电力支持数据中心，这个方向上有值得参考的实践。
这些信息过去被语言挡着，现在直接穿透了。
他做了十年的公众号，订阅虽多，但一年知识号给他带来的互动质量，超过了经营十年的公众号。
郑涛的用法偏教学。
他主讲数字电子技术，这门课工科学生都要修；学起来不容易，因为不光有课本知识，还要面对示波器、频谱分析仪这些贵重设备，平时只能去实验室排队用。
他用copilot基于知识库里的教案，开发了一个基于网页的可交互模拟实验。
这个细节可以单独拎出来说一下。
它不仅能正确运行，还可以把输入输出结果，可视化展示出来，背后依赖知识库里，那些经过确认的教学资料，跟通用大模型的数据没关系。
教案、竞赛资料、嵌入式开发手册、实验指南全在里面，学生用他的知识库像查字典。
他布置作业的时候跟学生说，你可以用AI，看知识库里的文章能溯源，知道答案的出处在哪，给我说清楚就好。
百宸律所的变化，是最结构化的。
一年下来，龚焕自己建了20多个skill，覆盖了起诉状、答辩状、律师函、法律意见书这些核心交付文书。
操作流程不复杂：把项目信息放进共享知识库，把团队成员拉进来，调用对应的skill自动生成文书。
他给了一个数字：90%。
律所文书自动化的比例做到了90%；或者说，在整个流程中，90%的步骤是自动化完成的。
这个数字是什么意思呢？
律师不用再花时间翻法条、翻案例、改格式了，从四号字改到五号字，行间距从1.5改到24磅，这些事不再需要人来做，律师的精力可以放在更有价值的地方。
......
把知识扔进知识库，这件事不难；接下来发生的事，连创造者自己都没预料到，因为，知识开始自己跑了。
龚焕写了一个skill，名字挺有意思，叫「自我进化系统」。
启动之后，agent会全网去搜跟这个skill相关的方法论、工具、技术趋势、行业文献。然后，列一张表告诉你：
你现在的skill跟行业前沿差多少，差在哪几个点上，哪些地方可以改进；你挑几个改进项，它自己重新生成代码，自己跑出新版本。
他举了一个例子。
合同起草的skill，上线三四天，已经迭代到第十个版本了。大部分skill现在都是自动更新的。
他说了一句话，在场听着挺扎心的。他说，进化了四五轮之后，我已经没办法给这个skill提出更好的建议了。这句话的意思是，知识进化速度，已经超过了创造者本人。
还有一个变化，更安静，但也更深。
他说自己已经很长时间没有「打开」过知识库了；是每天都在用，用的方式变了。
他们律所所有的skill里面都写了一条强制规则：必须先检索知识库，再输出结果。
以前人在打开、在翻、在找；现在agent在调用；知识库从一个给人查的产品，变成了agent跑任务时必须经过的底座。
翟永平的copilot也发生了类似的事。
他把40多年写过的文章、博客、论文、会议发言，全部灌了进去，让copilot好好学，他给copilot起了个名字，说你先得懂我。
结果copilot真的懂了，他说了一件事，40年前的事，谁是谁，哪段历史，他自己都记不清楚了，copilot全知道，他自己都不知道的信息，copilot能从那些旧资料里翻出来。
他现在用copilot写书，40多年的经历、背景确认完之后，copilot出大纲，他确认章节，然后一节一节写，一天一节。
他说了一句话，我印象很深，这个copilot写出来的英语句子，我都能听出来是我的风格，它记忆力比我好。
Cathy在分享里给了一个数字：
1.4亿。这个数字是知识号的内容被AI调用的次数，我觉得数字的含义，比它表面看起来要重得多。
1.4亿次调用，意味着这些知识已经进入了AI的每一次回答、agent的每一个任务、用户做决策的每一个瞬间。
知识一旦被倒进容器，它就有了自己的生命周期，被调用，被组合，被进化，甚至进化到创造者自己都跟不上的地步。
......
看到这，估计又有人该焦虑了。心想，知识都自己跑了，那人还干什么？
庄明浩的分享，刚好站在所有人表达的反面。
他把做PPT的过程拆成四步：搜集、整理、加工、制作。前三步，AI已经深度参与了。
他每个月在IMA上收藏几十张可视化图表、几十份PDF报告，AI帮他做翻译、做摘要、做框架整理。
他说，IMA上PDF的对照翻译是他用得最多的功能，不改格式，免费，翻译质量稳定，这件事现在