大家好,我是 WeiWill,深耕软件工程一线,专注 AI 应用落地与 Agent 开发。
最近我在腾讯 ima 里整理两篇技术材料。
一篇讨论 MCP 和 Skills 的区别,另一篇讲 JVM 运行时替换已经加载的类。从文件名看,它们几乎没有关系;但放进我的工作流以后,问题很快出现了。
我可以让 AI 分别总结两篇材料,也可以继续追问其中的概念。可当我准备写一篇关于 Agent 工具边界的文章时,真正需要的不是两份摘要,而是这些问题之间的关系:
- Skill 为什么不能替代 MCP?
- 工具执行为什么需要稳定的运行环境?
- Agent 修改代码以后,什么时候可以热更新,什么时候必须重启?
- 这些判断和权限、日志、回滚机制又有什么联系?
如果知识库只负责存文件和回答问题,AI 每次都要重新检索、重新猜测这些关系。
所以我看到 ima 笔记补上“双链”时,第一反应不是“又多了一个笔记功能”,而是:
不只是一张漂亮的关系图,而是知识系统里很关键的一层:让星星点点的知识点,通过连接变成有结构的知识库。
过去,我们更多解决的是“资料能不能被搜索到”;双链往前推了一步,开始解决“知识之间的关系能不能被显式保存”。
在 Agent、Skills、MCP 越来越多地进入真实工作流的当下,这一步会直接影响 AI 能不能稳定理解我们的知识,也影响它能不能沿着这些关系继续工作。
双链补上的不是展示,而是关系
这次 ima 的更新说明里,有几段话值得拿出来看:
双链是 A 笔记可以放入 B 笔记,B 笔记会显示被哪些笔记引用过。
它可以把分散的知识串联成网状。打开一条笔记,能看见它从哪里来、和什么相连、带到哪里去。一篇笔记的引用记录,背后是你的思考记录、知识的串联痕迹。
试着从“最近一篇笔记”里挑一句自己的理解去连旧思考,问自己“它和我以前哪条思考有关”。
这个功能可以让你的知识“长”出来,打开最近一篇笔记,链接你的思考试试看。
这几句话表面是在讲产品用法,背后其实是在讲知识组织方式的变化。尤其是“从最近一篇笔记连接旧思考”这个动作,它不是为了把页面变多,而是为了把思考路径留下来。
很多人第一次接触双链,是在 Obsidian、Roam Research 这类笔记工具里。它的基本逻辑并不复杂:页面 A 引用了页面 B,页面 B 也能看到“哪些页面正在引用我”。
普通链接解决“我能从哪里跳到哪里”,双链多解决一个问题:
当我站在一个知识点上时,我能不能看到它正在被哪些项目、问题和结论使用。
比如我创建了一个“Skill”概念页。介绍 MCP 时可以链接它,复盘 Agent 工作流时也可以链接它。时间长了,“Skill”页面看到的就不再只是一个定义,而是它在不同场景中的用法:
- 它和 MCP 的边界是什么;
- 它在哪个 Agent 项目中被使用;
- 哪些固定流程适合沉淀为 Skill;
- 哪些任务不应该封装成 Skill;
- 哪次失败是因为执行环境不稳定。
这时候,一个孤立的知识点开始拥有上下文。
所以,双链最有价值的地方,不是把笔记连起来,而是把人的判断写进知识系统。
我把“Skill”和“MCP”连接起来,不是因为两个页面里出现了相同关键词,而是因为我确认它们之间存在需要长期保留的边界关系。
我把“运行环境”和“Agent 执行失败”连接起来,也不是因为它们语义相似,而是因为项目里已经证明:缺少固定环境会直接影响 Agent 的任务成功率。
链接本身很简单,背后保存的是工程判断。
已经有 RAG 了,为什么还需要双链
这里很容易有一个疑问:既然 ima 已经能够解析文件、建立索引,并基于知识库回答问题,为什么还需要人工维护链接?
因为 RAG 和双链解决的不是同一个问题。
RAG 更擅长回答:
哪些内容可能和当前问题相关?
双链更擅长表达:
哪些内容已经被人确认存在关系?
前者是概率召回,后者是显式关系。
假设知识库里有两篇文档:
- 《Agent 项目中的 API Key 管理》
- 《工具调用的最小权限原则》
第一篇更常出现环境变量、密钥泄露、调用额度和账号封禁;第二篇更常讨论权限范围、操作审批、文件访问和命令执行。
只依靠语义检索,模型通常能找到它们,但不保证每次都能稳定地把两者放在一起。
如果我明确建立链接,就等于告诉知识系统:
API Key 管理不只是配置问题,也是 Agent 权限边界的一部分。
下一次 Agent 需要生成安全检查清单时,就可以先读取任务页面,再沿着链接补充密钥管理、最小权限、日志审计和异常回滚等相关内容。
这里的差别很像写代码:RAG 类似在代码仓库里做语义搜索,帮你找到可能相关的实现;双链更像显式的接口依赖和函数调用关系,告诉你这些模块原本应该如何协作。
语义搜索很强,但长期使用的工程系统不能只依赖“可能相关”。知识系统也是一样。
双链对 Agent 的价值,是提供下一步上下文
很多 Agent 现在已经能够读取文档、搜索知识库、调用工具,甚至修改文件。
但它们经常卡在一个问题上:
读完当前页面以后,下一步应该读什么?
如果只有文件目录,Agent 通常有三种选择:
- 根据文件名猜测;
- 对整个知识库进行搜索;
- 把大量材料一次性塞进上下文。
这三种方式都有成本。
根据文件名猜测容易漏掉关键内容;全局搜索结果不稳定;一次性读取太多材料,又会浪费上下文和模型调用成本。
双链提供了第四种方式:
从当前任务出发,沿着已经确认的知识关系继续读取。
比如我要让 Agent 写一份“企业内部 Agent 工具接入规范”。
任务页面可以链接到:
- MCP;
- Skill;
- API Key 管理;
- 最小权限;
- 工具调用日志;
- 失败重试与回滚。
Agent 不需要先猜整个知识库里有什么,而是可以从任务页面开始,逐步读取这些概念页,再进入对应的项目复盘和技术材料。
它拿到的不再是一堆无差别的文档,而是一条经过人工筛选的上下文路径。

当然,这里有一个前提:
Agent 必须能够识别页面链接,并把这些关系纳入自己的读取策略。
如果 AI 只是把双链当作普通文本,那么它的价值主要还是方便人浏览;如果 Agent 能够沿链接继续读取、判断和执行,双链才会真正变成工作流的一部分。
所以我不会因为一个产品支持了双链,就直接说它已经拥有了完整的知识图谱或者 Agent 记忆系统。
更准确的说法是:
双链提供了构建稳定上下文的基础,但还需要读取规则、任务流程和人工确认机制。
我会怎么设计一个能被 Agent 使用的知识结构
如果只是个人做笔记,想怎么链接都可以。但如果希望未来交给 Agent 使用,链接就不能完全依赖当下的感觉。否则页面越多,关系越乱,最后只会生成一张看起来复杂、实际上无法指导任务的关系图。
我会先把页面分成三类:
- 资料页:回答“这份材料讲了什么”。它可以是一篇技术文章、一次会议纪要或一段产品观察,重点是保留来源和上下文。
- 概念页:回答“这个概念在我的工作中到底是什么意思”。比如“Skill”页面不只写定义,还要写它解决什么问题、和 MCP 的边界在哪里、失败时应该检查什么。
- 任务页:回答“为了完成这件事,需要组合哪些知识和动作”。比如“发布一个可复用的 Agent 工具”,就可能连接工具接口、权限、安全、日志、测试和发布规范。
这三类页面连起来,知识才会形成闭环:资料页提供事实,概念页沉淀判断,任务页组织行动。Agent 执行任务时,可以从任务页进入概念页,再回到资料页核对依据。
链接不是越多越好
双链功能上线以后,最容易出现的误区是:开始给所有页面疯狂加链接。我以前也经历过这个阶段,看到熟悉的词就链接,看到两个主题有一点关系也链接。
几个月以后,关系图很热闹,但真正要解决问题时,反而不知道哪些关系重要。
后来我给自己加了一个约束:
如果不能用一句话解释两个页面为什么要连接,就先不要加链接。
比如:
- “API Key 管理”链接到“最小权限”,因为密钥可调用的能力范围决定了泄露后的影响范围。
- “Skill”链接到“固定运行环境”,因为可复用流程必须依赖可预测的执行条件。
- “知识库问答”链接到“引用验证”,因为模型给出答案不代表依据一定完整。
这样的链接可以指导下一步判断。反过来,如果只是两个页面都提到了 AI、Agent 或知识库,就没有必要长期保存这个关系。
对团队来说,还可以给重要链接补一个简单关系类型,比如依赖、对比、例子、风险、前置条件、实现方式。不需要一开始就设计复杂模型,但至少要让后来的人和 Agent 知道:这两个页面为什么被连接。
否则双链只能告诉你“它们有关”,却不能告诉你“它们是什么关系”。
ima 的快速迭代,也要放到长期成本里看
说实话,腾讯 ima 最近的迭代速度,像极了一个有资源、有天赋,而且还很努力的孩子。
从文件解析、知识库问答,到 Skills、多模型选择,再到双链,这些能力放在一起看,它已经不只是“上传文件以后和它聊天”。它正在尝试承接一个更完整的过程:把资料放进来,让模型理解资料,把重复方法沉淀下来,连接相关知识,再在不同模型和任务之间复用。
这正好对应了 AI 工具正在发生的一次变化。过去我们更关心模型能不能回答问题,现在开始关心它能不能持续使用同一套知识、理解知识之间的关系、复用已经跑通的方法,并在权限范围内调用工具。
不过,产品迭代快不等于我们应该马上把全部知识迁移进去。工程上还是要算长期成本。
真正需要评估的,是四个长期成本
第一,关系维护成本。页面移动、概念合并或者内容删除以后,链接是否还能保持有效?当页面达到几百甚至几千个以后,失效链接和重复概念会直接影响 Agent 的读取结果。
第二,数据迁移成本。双链价值越高,意味着你对平台内关系结构的依赖越深。不能只看文件能不能导出,还要看链接、附件、页面标识和目录关系能否一起迁移。
第三,权限与隐私成本。个人学习资料和公开文章放进云端知识库,通常问题不大;但企业代码、客户数据、内部接口、账号信息和生产事故记录,必须先确认数据存储、访问权限、成员隔离和模型调用边界。
第四,错误关系成本。未来很可能会出现 AI 自动识别概念、批量生成链接的功能。这会节省时间,也会引入风险:如果它悄悄建立了错误关系,Agent 可能在后续多个任务里持续沿着错误路径读取。
所以我的选择会是:
让 AI 推荐链接,让人确认关键关系。
普通资料可以自动处理,但涉及架构、安全、权限和业务规则的链接,仍然需要人工审核。
哪些人现在适合认真试一试
如果你只是偶尔保存几篇文章,并没有持续整理和复用的需求,双链对你的价值可能很有限。
但下面几类人值得试:
- 长期写作的人:同一个概念会出现在不同文章、案例和项目里,双链可以帮助你看到一个观点是如何逐步形成的。
- 一线工程师和架构师:技术方案、故障复盘、接口规范和安全要求之间存在大量依赖关系,只依赖目录很难表达清楚。
- 正在搭建 Agent 工作流的人:Agent 需要的不只是更多文档,而是更稳定的上下文路径。双链可以成为人工判断和自动检索之间的中间层。
- 小团队:当几个人共同维护产品知识、技术方案和项目经验时,双链能减少同一个概念在不同文档里反复解释的问题。
但如果是大型企业知识库,我不会只因为支持双链就做选型。
企业更应该先检查权限、审计、备份、迁移、接口能力和稳定性。双链是加分项,但不是决定系统能否进入生产环境的核心条件。
我建议先做一个 30 分钟实验
如果你已经在使用 ima,不需要马上重构整个知识库。可以先选一个最近正在处理的真实任务,做一次小实验。
第一步,创建一个任务页面。比如设计 Agent 工具接入规范、整理一次生产事故、写一篇技术文章,或者评估一个新的 AI 工具。
第二步,找出三个关键概念。不要贪多,例如 Agent 工具接入可以先选择 MCP、Skill、最小权限,并分别创建或补充概念页。
第三步,建立少量可解释的链接。每个链接都问自己一句:
我为什么希望未来的自己或 Agent 沿着这条关系继续读取?
回答不出来,就先不加。
第四步,让 AI 基于这些页面完成一次任务。不要只问定义,而是让它输出具体结果,例如检查清单、方案对比、文章框架或者风险列表。
然后检查三个问题:
- 它有没有漏掉关键概念?
- 它有没有沿着错误关系扩展?
- 这些链接有没有减少重复解释?
如果答案是肯定的,再逐步扩大范围。
我的核心判断是:
ima 支持双链,最值得关注的不是它终于拥有了某个笔记功能,而是它开始具备承载显式知识关系的能力。
搜索解决“找到什么”,双链解决“为什么相关”,Agent 则负责根据这些关系继续行动。
三者真正组合起来以后,知识库才不只是一个存放资料的地方,而可能逐渐变成 AI 可以理解、可以导航、也可以参与执行的工作空间。
下一步,我会继续观察 ima 能不能让 Skills、知识关系和 Agent 执行真正连接起来。
因为真正决定知识系统价值的,从来不是关系图里有多少条线,而是这些线能不能让下一次任务做得更快、更准,也更容易复盘。
我是 WeiWill,深耕软件工程一线,专注 AI 应用落地与 Agent 开发。