跳转到主要内容

​
让 AI 真正读懂你的资料

你的电脑上有大量有价值的资料——行业报告、研究论文、项目文档、会议纪要、竞品分析……当你需要做一次专题调研时，这些资料就是最好的素材。 但问题是：AI 看不到它们。 你打开 ChatGPT 或 Claude，它只能基于训练数据回答问题。想让它参考你的资料？你得手动打开文件、复制内容、粘贴到对话框。当资料有十几份甚至几十份时，这种方式几乎不可行。 Linkly AI 改变了这一点。

​
传统方式的痛点

手动复制粘贴

逐个打开文件、复制关键内容、粘贴到 AI 对话框。效率低下，且容易遗漏重要信息。

上下文窗口限制

AI 的上下文有限，无法一次塞入所有资料。你只能挑选几份，却不确定是否遗漏了关键内容。

AI 无法主动获取

传统 AI 只能被动接收你给的内容，无法主动去翻阅你的资料，更无法判断哪些资料是相关的。

格式障碍

很多资料是 PDF、Word 格式，直接上传后 AI 的解析效果参差不齐，尤其是扫描版 PDF。

​
Linkly AI 的解决方案

安装 Linkly AI 并将其 MCP 服务连接到你的 AI 助理后，AI 就获得了主动检索你本地文档的能力。 Linkly AI 提供了三层渐进式的工具，让 AI 可以像一个熟练的研究助理一样工作：
1

search — 搜索相关文档

AI 根据研究主题，使用关键词或语义搜索在你的本地文档中查找相关文件。就像助理先去资料室翻目录，找出可能有用的文件清单。
2

outline — 查看文档大纲

对于搜索到的文件，AI 可以先查看大纲（标题、章节结构），快速判断是否值得深入阅读。就像助理翻看目录，决定哪些章节需要仔细看。
3

read — 阅读具体内容

确认相关后，AI 读取文件的具体内容，提取需要的信息。就像助理仔细阅读并做笔记。
这种渐进式的方式既高效又精准 —— AI 不会一次性读取所有文件（那样太慢也太浪费），而是有策略地逐步深入。同时也避免了传统 RAG 检索导致的碎片化问题和高昂的成本。

​
实际操作示例

​
场景：基于项目文档总结 Q1 进展

假设你是一位项目经理，电脑上有过去一个季度的各种项目文档——周报、会议纪要、里程碑报告等。你需要写一份 Q1 总结。 在你的本地 AI 助理（Claude Code、ChatGPT Codex、Cursor 等）中输入： 
请帮我基于电脑上的项目文档，总结 2025 年Q1 的项目进展。
重点关注：完成了哪些里程碑、遇到了什么问题、下一步计划。
完成一份总结并标注来源，使用 linkly-ai。
AI Agent 会自动调用 Linkly AI 的搜索工具，用”Q1”、“里程碑”、“进展”等关键词搜索你的文档。 识别出相关文档后，通过outline和read工具提取具体内容，组合出完整上下文后完成总结。

​
进阶用法

以下技巧可以让 AI 调研的效果更好。
  • 明确调研范围：在 Prompt 中说明你希望 AI 关注哪些方面、忽略哪些方面，AI 的搜索会更精准
  • 指定文件类型：如果你知道资料是 PDF 或 Word 格式，可以告诉 AI，它会优先搜索这些类型
  • 分步提问：对于复杂的调研任务，可以拆成几个子问题分别提问，每次聚焦一个主题
  • 要求引用来源：让 AI 在回答中标注信息来源于哪个文件，方便你核实

​
适用场景

竞品分析

让 AI 阅读你收集的竞品报告和行业分析，输出结构化的竞品对比

投资研报

基于多份研报和财务数据，让 AI 帮你梳理投资逻辑和风险点

学术文献综述

让 AI 阅读多篇论文，总结研究现状、方法对比、研究空白

项目回顾

基于过往的项目文档、周报、会议纪要，自动生成项目总结和复盘报告
Linkly AI 本身不调用任何 LLM服务。它只负责索引和检索你的本地文档，真正的”思考”和”分析”由你选择的 AI助理完成。
你的原始文件内容不会被上传，LLM 也只获取了片段内容，且无法修改原文，也不知道原文在哪里，最大程度上保护了你的数据隐私和安全。 后续迭代中还会陆续增加更多的隐私保护机制，比如敏感数据脱敏等。