このたび、豆包工作（Doubao Work）に Linkly AI の公式コネクターが追加されました。接続すると、豆包はパソコン内のスキャン PDF、画像、文書、音声、動画を読み取れるようになります。
ただ、「ローカルの文書を読める」と聞くだけでは、何が便利なのか、まだ実感しにくいかもしれません。
そこで今回は、豆包に Linkly AI を接続すると、手元の資料を実際の仕事でどう使えるのか、3つの具体例を紹介します。
Part 1：スマホで保存したアイデアを、豆包で執筆に活かす
ブックマークに「いつかきっと役立つ」と思ったコンテンツがたまっていませんか。保存したときは便利そうだったのに、いざ必要になると、いくら探しても見つからない。
そんなときは、保存の仕方を変えてみましょう。スマホの豆包をパソコンに接続し、Linkly AI コネクターを有効にします。参考になる動画や記事を見つけたら、リンクを送って、こう頼みます。
この内容を構造化した要約にまとめ、元の出典を残して、Linkly AI Notes に保存して。
ひと言伝えると、1分もかからずに豆包が要約を Linkly AI Notes に保存します。次に必要になったときは、豆包やほかの AI ツールに取り出してもらうだけです。
あるコンテンツ制作者は、普段見かけた動画のリンクを豆包に送り、Linkly AI Notes に保存しています。
新しい記事のテーマが決まったら、Notes にある関連テーマの分析や視点を豆包に探してもらいます。ほかの人が似た問題をどう考えているかを見ることで、自分では思いつかなかった切り口が見つかるかもしれません。以前見たものが、必要な場面で役立つようになります。
Part 2：論文はたくさん読んだのに、レビューを書くたびに探し直していませんか？
博士課程の学生にとって、文献レビューで大変なのは、読んだ論文が多すぎて、ある結論がどの論文に書かれていたかをすぐに思い出せないことです。
同じテーマを2年間研究してきたとしたら、パソコンには数百本の論文、研究室のミーティング記録、何版ものレビュー原稿がたまっているかもしれません。
新しい論文を読むたびに、これまでの論文と比較するだけでも大きな作業になります。
そんなとき、Linkly AI は長年蓄積した研究資料を探すための索引として使えます。たとえば、豆包にこう聞けます。
これまでに読んだ論文のうち、この結論を支持しているものと、異なる結果が出ているものを教えて。
さらに、結果が食い違う理由として、研究対象の集団や実験方法などに違いがないかを調べることもできます。
新しく読んだ論文を、それまで数年間追ってきた研究の流れの中に位置づける。そうすることで、蓄積してきた資料を、今の研究に活かせます。
Part 3：教員の職称審査に向けて、数年分の授業資料を整理するには？
中国では、教員の専門職としての等級を審査する「職称審査」に向けて、申請資料の準備を始める先生も少なくありません。ところが、資料を集める段階でよくつまずくのが、「あのファイルはどこにある？」という問題です。
こんなときは、Linkly AI で関連する授業資料を検索できます。豆包にこう入力します。
この審査通知に基づいて、Linkly AI で私の授業案、公開授業の記録、研究課題の資料、受賞証明書を探して。
ファイル名を忘れていても、セマンティック検索で見つけられます。受賞証明書を写真で保存していた場合も、Linkly AI の OCR で文字を認識できます。
資料が多ければ、検索結果を「申請要件・見つかった資料・ファイルの保存場所・要確認事項」の対照表にまとめてもらいましょう。見つからなかったものや、確認できない点は、別途明示してもらいます。
内容を確認したら、使えると判断した資料に基づいて、業績一覧や教育活動報告の下書きを豆包に作ってもらえます。
Part 4：使い始める
AI が日々の仕事に入ってくるにつれ、コンテキストは私たち一人ひとりにとって大切な資産になりつつあります。
Linkly AI を接続すると、蓄積してきた知識や経験を日常の仕事に取り込めます。必要なときに、AI が見つけて使えるようになるのです。
普段見つけたよいコンテンツや、ふと書き留めたアイデアも保存しておけば、豆包やほかの AI ツールが参照できるコンテキストとなり、次の執筆や研究に活かせます。
設定方法は、豆包工作と Linkly AI の接続ガイド（中国語）をご覧ください。