openJiuwen首发个人知识空间：办公智能体实现知识一次采集反复使用

让AI智能体（Agent）撰写周报或分析方案已成为许多人的日常。然而每次开启任务，用户仍需繁琐翻找资料、补充背景；智能体也必须经历搜索、阅读、整理等多道工序。一旦更换任务，整套流程又得重来一遍。这种重复处理不仅消耗大量时间与Token，资料越多、调用链越长，还极易遗漏关键信息并引发幻觉。

为解决这一痛点，WorkSwarm首次原生上线个人知识空间功能。

该系统基于用户配置的多源渠道自动采集资料，通过规则算法、规则与大模型混合或AI智能体等处理方案，将碎片化信息整理为有目录、有联系、有出处的结构化个人知识库，并以渐进式披露的方式提供给智能体调用，实现“一次采集，反复使用”。

四层架构实现多源采集与自动增量更新

个人知识空间围绕来源、采集、处理和使用四个层面运行：

1. 多源接入与增量采集：用户可在设置中接入本地文件夹、Edge收藏夹、知乎专栏、今日头条、飞书文档、GitHub及AtomGit等数据源。系统支持手动触发更新或设定周期定时采集，并能根据来源标识和版本号自动比对，仅对新增或变更的数据进行增量处理。
2. 三类知识整理模式：网页、文档与代码格式迥异，系统先统一格式，再提供三种整理方式供按需配置：
   • 规则处理：基于BM25词项权重和内容相似度进行主题归类与目录链接维护，全程无需调用生成式模型；
   • 混合处理：先由大模型提炼新资料的标题、摘要与关键词，再由规则引擎完成主题分组，最后由大模型生成目录与简介；
   • 智能体处理：由AI智能体自主比对新资料与存量知识库的关系，自动合并已有主题、新建文档，并实时更新交叉引用。

处理完成后，系统会自动校验目录层级与引用链路，最终生成纯文本与Markdown页面，支持文件树、知识图谱与全局搜索。

渐进式披露：按需调用的高效机制

在任务执行阶段，智能体不会一次性灌入全量知识，而是采用类似人类阅读的渐进式披露机制。

接收到用户指令后，智能体首先获取个人知识空间的宏观概况与目录索引，随后沿着目录树和引用链接，按需调取相关的分支页面作为背景上下文。这种设计有效避免了无意义的上下文占用，使资料采集与实际任务调用彻底解耦。

性能评测：耗时下降76%，Token消耗降八成

测试数据显示，接入个人知识空间后，智能体的输出表现显著提升。针对含多来源综合、缺失事实检索等场景的25项自建评测集对比表明：

• 任务通过率提升32%：智能体能够精准锁定个性化知识并补充上下文，大幅降低信息遗漏率；
• 任务总耗时缩减76.2%：跳过了任务进行中临时的繁琐检索和重读过程；
• 推理Token消耗降低84.1%：知识库完成预整理后可多次复用，显著减少重复输入与无关文本的消耗。

虽然智能体预整理过程存在前置开销，但由于可复用低成本模型，这部分成本在多次任务复用中被迅速分摊。未来，该系统还将根据用户操作轨迹主动发现知识盲区并自主查漏补缺，进一步降低人机协同成本。