Askimo 1.2.0 现已发布
Askimo 1.2.0 继续推进我们让 AI 在日常工作中更有用的目标。
本次版本聚焦于帮助 Askimo 理解 你的信息，在 规模不断增长时依然快速响应，并更自然地融入人们的思考与工作方式。它引入了基于项目的检索增强生成（Retrieval Augmented Generation，RAG），支持在聊天中直接使用更多文件类型，改进了会话工作流，更好地适配不同屏幕尺寸，提供灵活的本地 AI 集成，以及更安全的 macOS 安装体验。
每一项改进都旨在减少使用摩擦，让 AI 成为真正实用的工具，而不是需要“绕着用”的技术。
基于项目的 RAG：基于你自身知识的回答
当 AI 能理解你问题背后的上下文时，才会真正发挥价值。
基于项目的检索增强生成（RAG）使 Askimo 能够使用 你自己的文档与知识 来回答问题，而不是仅依赖通用信息。这在决策依赖内部背景、历史信息或特定约束条件时尤为重要。
通过基于项目的 RAG，Askimo 可以帮助你：
- 基于真实文件获得答案
- 利用内部知识做出更好的决策
- 在多次对话中保持一致的上下文
- 即使面对大量文档也能保持良好响应速度
Askimo 的设计不仅适用于零散笔记，也同样适用于 规模庞大且不断增长的知识库。
如果没有 RAG，AI 工具往往缺乏真正有用所需的关键信息。
例如，一个业务团队可能会问：
“我们是否应该推迟这个产品的发布？”
如果无法访问内部计划、风险评估或以往讨论，一般的 AI 工具只能给出泛泛而谈的建议，无法理解已存在的承诺或权衡。
同样的问题也会出现在个人使用场景中。
有人可能会问：
“现在是我换工作的合适时机吗？”
如果不了解个人目标、财务规划或过去的思考，这样的回答必然是宽泛且缺乏个性化的。
基于项目的 RAG 通过在回答前从你的项目中检索相关上下文来解决这一问题。如果项目中包含规划文档、会议记录、报告或个人文件，Askimo 就能引用这些信息，给出更具体、更贴近现实的回答。
Askimo 也被设计为在项目规模增长时依然保持高性能。通过将 jvector 的语义理解能力与 Apache Lucene 的高效索引结合，Askimo 可以快速搜索大型知识库，并在几乎无感知延迟的情况下返回相关上下文。
使用你已有的文件直接工作
Askimo 1.2.0 还引入了一项独立功能，允许你无需创建项目，就能在聊天中直接附加文件。
你可以附加：
- Office 文档（Word 和 Excel）
- OpenOffice 文件
- 电子邮件
- 富文本文档
- 日志文件和文本输出
附加后，Askimo 可以读取文件内容，并将其作为你问题的上下文。
这让以下操作变得更简单：
- 总结长篇文档
- 从报告或邮件中提取关键信息
- 审查电子表格数据
- 理解日志文件或技术输出
- 无需复制内容即可继续追问
一个真实场景示例
设想你收到一个包含数周数据的大型 Excel 文件，以及一份解释结果的 Word 文档。
无需打开多个工具并手动检查，你可以将这两个文件直接附加到 Askimo，并询问：
- “你能总结主要发现吗？”
- “这份电子表格中有哪些明显的趋势？”
- “是否存在我需要重点关注的异常值？”
Askimo 会读取文件并基于其内容进行回答。你可以继续提问，而无需重新上传或再次说明。
同样的方法也适用于需要快速解释的 PDF 报告、邮件线程或日志文件。
并行使用多个聊天会话
Askimo 并不将你限制在单一对话中。
你可以 同时使用多个聊天会话，每个会话聚焦于不同的问题或方向。各个会话可以引用同一项目知识，从而让你在不丢失上下文的情况下并行探索不同思路。
例如，你可以：
- 用一个聊天进行宏观层面的讨论
- 用另一个聊天深入细节或备选方案
- 保留一个独立会话用于头脑风暴或后续工作
每个对话都是相互独立的，便于你在不同主题之间自由切换。
精炼问题，获得更好的答案
优质答案往往来自对问题的不断打磨。
Askimo 允许你 编辑之前的问题并重新提问。这样你可以更清楚地表达意图、补充缺失信息或调整关注重点，而无需从头开始。
这鼓励“迭代”而非追求一次到位。你可以不断完善问题，直到回答真正符合你的需求。
适配任意屏幕尺寸的更佳体验
Askimo 1.2.0 改进了界面对不同屏幕尺寸的适配能力。
无论你使用的是笔记本屏幕还是大型外接显示器，Askimo 现在都能更优雅地呈现内容。布局、间距和内容在高分辨率屏幕上（包括 4K 和 8K 显示器）表现更佳。
与之前的版本相比，界面更加均衡、易读，尤其是在处理长对话或多个并行会话时。
使用运行在 Docker 中的 AI 模型
Askimo 1.2.0 新增了对 运行在 Docker 中的 AI 模型 的支持。
如果你已经在本地 Docker 容器中运行 AI 模型，Askimo 现在可以直接连接并使用它们。这使你无需更改模型的部署方式，就能将 Askimo 集成到现有的本地环境中。
Docker AI 支持可与现有的本地集成同时使用。Askimo 已支持 Ollama、LM Studio 和 LocalAI，而 Docker 的加入进一步扩展了这种灵活性。
你可以选择最适合自己工作流的配置方式。
更安全、值得信赖的 macOS 应用
在 Askimo 1.2.0 中，macOS 上的安装体验更加安全、安心。
该应用现已通过 Apple 验证，意味着 Apple 已确认 Askimo 不包含恶意代码。对用户而言，这消除了安装过程中的不确定性——不会出现令人困惑的安全警告、应用被阻止的情况，也无需额外步骤即可打开应用。
你可以下载 Askimo，打开它，并安心开始使用。
展望未来
Askimo 1.2.0 持续推进让 AI 更实用、更可靠、并扎根于真实信息的目标。
基于项目的 RAG、更广泛的文件支持、改进的会话工作流、灵活的 AI 集成以及更好的 UI 缩放能力，让 Askimo 更自然地融入日常使用。我们将在未来的版本中继续在此基础上前进。
一如既往，感谢你使用 Askimo，并帮助引导它的发展方向。
在 GitHub 上支持 Askimo
Askimo 是一个 开源项目，旨在帮助人们更高效地使用 AI。
如果你觉得 Askimo 对你有帮助，欢迎访问 GitHub 仓库 并为项目点一颗 ⭐。你的支持有助于项目成长，也能让更多人发现 Askimo 的价值，并推动持续开发。
你还可以：
- 报告问题或提出改进建议
- 贡献代码或文档
- 将 Askimo 分享给可能受益的其他人
开源项目依赖社区的参与而蓬勃发展。无论你是 Askimo 的日常用户，还是刚刚开始探索它的功能，你的反馈与支持都至关重要。