ponytail 插件我用了快两个月期间把它拆了又装、装了又调踩了不少坑也摸清了它的脾气。说实话这个插件在 Obsidian 社区里不算最热门的但它的定位非常精准——就是给 Obsidian 用户提供一个能看懂你笔记上下文的 AI 助手不是简单调用大模型接口生成一篇天马行空的文章而是真正贴合你本地笔记库的内容来补全、改写、提取卡片。如果你用过那些需要手动复制粘贴到网页对话框里的 AI 工具再回到 Obsidian就会发现 Ponytail 这种嵌入式体验完全是另一个维度。本文不打算做那种照读文档的教程而是把我从零配置到日常高频使用的完整过程、关键决策逻辑和翻车记录写清楚。以下所有操作和配置都以我实际使用过的版本为准默认你用的是 Obsidian 1.4 以上版本Ponytail 插件版本 0.2.1 及以上。如果你还没装这个插件或者装了但一直没调顺这篇文章应该能帮你省下不少摸索时间。1. 为什么我在 Obsidian 里折腾了近一周才找到 Ponytail 插件——它不是普通的补全工具Obsidian 的插件生态里跟 AI 相关的少说有几十个。有的做聊天对话有的做文本润色有的做嵌入问答我几乎都试过一轮。先说结论Ponytail 跟它们最不一样的地方是它把 AI 能力做成了编辑器原生动作而不是一个独立的面板或弹窗。拿我自己的例子来说。我每天要在 Obsidian 里记大量的项目笔记包括会议纪要、技术调研、读书摘录和个人复盘。过去我尝试过用一个聊天式插件每次想让它帮我总结某篇笔记的时候我得先切到插件面板再在聊天框里贴上大段原文等它输出之后再复制回我的笔记。这个流程听起来没什么问题但实际用起来非常打断思路——你写文章写得好好的突然要切出去、粘一大段、等回复然后把自己刚写的东西覆盖掉这种体验称得上灾难。Ponytail 的核心设计思路则是不离开编辑器。它直接挂在你的光标位置你能在写作过程中随时呼出补全、改写、提取、翻译这些动作处理完的结果就地插入或者替换选区。这一点看起来只是交互方式的差别但实际用下来效率差距是数量级的。就像同样是切菜让你把菜拿到另一个房间去切再端回来和直接就在砧板上换个刀具完全是两种体验。但 Ponytail 的功能半径远不止补全。它最被低估的一个能力是模板化的新卡片生成——你给它一个标题或者一个主题它会结合你的整个 vault 里已有的笔记内容生成一张结构完整的笔记卡片。这个结合 vault 已有内容非常关键因为它不是凭空生成而是会从你过去写的文档里找线索、提炼风格和结构最终产出的笔记跟你的知识库是长在一起的。我看很多人用 AI 插件生成笔记生成完还要自己大改特改根本原因是生成的文本跟自己的写作习惯、知识体系完全不搭而 Ponytail 在这点上做了一个非常聪明的处理我后面会专门拆解它的实现逻辑。另一个让我最终决定固定用它而不是其他替代品的原因是它的本地优先策略。Ponytail 的配置里你既可以填远程 API 地址也可以指向本地服务。也就是说如果你的机器配置足够完全可以跑一个本地模型把笔记内容留在本机处理。我一开始没意识到这个选项有多重要直到我把自己一整年的日记和客户记录都交给一个云端接口处理时才后知后觉地感到后怕。Ponytail 把用哪个模型、数据走哪条路的选择权完全交还给了用户这个设计是我个人最看重的一点。如果你跟我一样是那种笔记量大、注重写作连续性、又在意数据隐私的人Ponytail 值得你花一个晚上认真配置起来。下面我从安装环境开始逐步讲清楚每个环节的细节和理由。2. 安装与前置准备从社区插件商店到本地环境的完整配置链路Ponytail 的安装路径很常规但有几个前置条件容易忽略我按顺序拆开讲。2.1 插件安装的两种方式与版本坑如果你在 Obsidian 的社区插件市场里直接搜索 Ponytail能搜到。点击安装之后记得在已安装插件列表里把它打开这是 Obsidian 生态的老规矩。但这里有一个明显的坑社区市场的更新有时滞后而 Ponytail 的迭代速度很快尤其是它早期版本对某些模型接口的兼容性有比较大的变化。我的建议是如果社区市场里装的版本在使用中出现连接报错或补全不生效先去 GitHub 仓库看 release手动下载最新版的 main.js、manifest.json、styles.css 覆盖到 vault 的.obsidian/plugins/ponytail/目录下。这里有个小知识点Obsidian 插件安装后其实就是三个核心文件——主程序文件、插件描述文件和样式文件。手动更新的本质就是替换这三个文件。我遇到过社区版停在 0.1.x而 GitHub 已经发了 0.2.1 的情况。旧版本在调用某些模型时会出现参数名不匹配的问题表现就是请求发出去了但模型返回空内容后面排错部分我会详细讲。2.2 必须先想清楚的模型接口选择Ponytail 本身不是一个模型它是一个翻译层——把你的写作动作翻译成模型能理解的指令再把模型返回的文本拼接回你的笔记。所以安装插件只是第一步更关键的是配置模型接口。在设置面板里Ponytail 会让你填 API Endpoint、API Key、模型名称这些参数。我强烈建议你先想清楚数据走哪条路线再填参数。如果你用的是 OpenAI 兼容接口直接填对应地址和密钥即可如果你有本地服务比如通过 Ollama 或 LM Studio 启动的本地模型那 Endpoint 就要填本地地址比如http://127.0.0.1:11434/v1这种格式。请注意Ponytail 走的是 OpenAI 兼容协议所以无论你后端是什么只要支持这个协议理论上都能接。我自己的配置经历可以给你做个参照。最初我接了一个云端 API效果很好响应也快但我总是隐隐不安——我的笔记里有很多涉及客户信息、个人思考草稿的内容每天几十次请求全部发到云端我心里没底。后来我把主力环境切到了本地模型用 Ollama 跑 Qwen 系列模型配置好之后响应速度略慢但对于笔记补全和改写这种场景完全够用。最让我踏实的一点是一旦断网Ponytail 依然能工作因为它的服务就在自己电脑上。所以我的排序建议是不差钱且不在意数据外流的用户可以直接上云端大模型注重隐私且有中高端显卡或 Apple Silicon 芯片的优先考虑本地模型开发者和技术探索型用户还可以考虑通过 One API 这类网关工具把多个模型接口聚合成一个统一入口然后在 Ponytail 里只配一个 Endpoint 就行。2.3 设置面板里那些必须填的字段和它们的真实含义Ponytail 的设置项不算多但每个字段都有讲究。我挑几个容易理解错的说明一下。模型名称要填接口能识别的准确名字。以 OpenAI 系为例通常填gpt-4o-mini或者gpt-4o这类正式名称如果走 Ollama填的就是你在本地拉取的模型标签如qwen2.5:7b。这里最常见的错误是填了别名或者记忆里的名字导致接口返回 model not found。Temperature 参数控制随机性Ponytail 里通常以滑块形式出现。我一般调到 0.7 左右补全时它不会太死板也不至于胡说。如果你让它做结构化输出或数据提取建议降到 0.2 以下否则格式容易飘。Max Tokens 建议调到 1000 以上否则长文的改写在中间就会被截断导致后半段内容莫名丢失。还有两个选项经常被忽略。一个是流式输出开关打开之后你能看到文本一点点生成不会被误以为卡死另一个是自定义提示词模板入口这个后面我会单独展开讲它才是把 Ponytail 用出花来的关键。3. 核心功能逐项拆解——补全、新卡片、改写、翻译实际用起来到底什么手感Ponytail 的功能看起来就四五个命令但每个命令的使用场景和触发方式都值得细说。这一节我按实际高频程度排序。3.1 光标处补全写作时最顺手的 AI 帮手补全功能是在你输入到一半时按下设置好的快捷键默认是 Tab 键Ponytail 会根据你已经写的内容和前面的笔记上下文生成一段衔接自然的后续文字。它的特殊之处在于上下文不仅限于当前文档而是整个 vault 的语义索引。举个具体例子。我在写一篇关于智能家居网关选型的笔记时光标停在综合来看几个字后面按一下 Tab它生成的后续内容里居然引用了我在另一篇笔记里记录过的某款网关的功耗数据和 zha 协议兼容性还补了一句结论。这确实吓到我了。要知道我当时并没有在文档里粘贴过那些数据这说明 Ponytail 的补全确实具备跨文档信息检索能力不是简单接一句大白话。不过补全也有明显的边界它更适合在你思路清晰、只差措辞和细节时使用不适合在你脑子里还一团浆糊时替你从头开始组织内容。你若只写了一个标题就按 Tab它会给出一个比较泛的大纲式段落信息价值不大。我的建议是起码写一句话或者列几个要点让插件有抓手它的补全质量会有质的提升。3.2 新卡片自动生成从一个标题长出一整张笔记Ponytail 的 New Card 功能是我使用频率最高的功能之一。它的用法是在某篇笔记里输入一个[[新笔记标题]]这样的双链占位符然后光标停在这个链接上执行命令插件会自动创建一张新笔记并在新笔记里生成初步内容。这里有意思的是生成逻辑。它不是简单地从标题硬答一篇作文而是先梳理 vault 里有价值的相关笔记把这些笔记作为参考信息拼成一个知识背景包再让模型在这个背景包的基础上写新笔记的开头、结构建议、要点清单等。我在实际使用中发现如果我把相关旧笔记的标题写进新笔记内容里Ponytail 会对这些笔记做重点参考生成的内容匹配度高到惊人。举个例子我在做一套家庭 NAS 的方案对比笔记时先输入了[[NAS 硬件选型]]和[[现有设备功率清单]]两个链接然后触发 New Card。生成的新卡片里不但列出了硬件型号对比还直接把我在旧笔记里记录的每台设备的功耗数据汇总成了表格甚至标注了这台设备功耗过高不建议纳入这类基于数据的判断。这句话不是我写的但它确实来自我自己笔记里的数据等于插件把我分散在各处的信息做了一次自动整合。3.3 选中文本的改写、润色与语气转换选中一段文字后你可以触发 Rewrite改写、Improve润色或者 Make Shorter精简等操作。这些操作本质上是后端启动不同的提示词模板。最打动我的场景是这样的我之前在 Obsidian 里写了一篇给客户看的项目状态说明语气比较口语化还夹着不少个人吐槽。我全选后选了 Formalize正式化这个动作几十秒后出来一版滴水不漏的正式表达措辞严谨又不失重点。从那以后我就养成了草稿乱写、定稿改写的习惯。在改动比较大的场景比如把一段平铺直叙的日志改写成带分析的报告段落时Ponytail 的 Rewrite 甚至会保留你的核心事实但重构整体逻辑。这背后依赖模型指令里的重写要求不是简单的逐句替换。其中最值得注意的是 Translate 翻译动作。Obsidian 内置没有翻译功能Ponytail 的翻译动作可以直接把选中文本译成你指定的目标语言结果也插入文档中。不要小看这个它做的是按上下文翻译而不是逐字硬翻。我拿一篇包含大量技术名词的英文笔记做测试翻出来的中文能直接放正文用术语跟我全库笔记里的用法保持一致这是因为上下文信息里包含了以往同名术语的相关笔记。3.4 日常使用中最纸短情长的三个动作除了上面几个大功能Ponytail 还有几个容易被忽略的小动作比如Summarize总结当前文档、Extract Tags抽取标签、Generate Ideas根据主题生成思路列表。Summarize 我主要用于每天下班前把当天的临时记录压缩成一条 3-5 行的日报摘要然后粘贴到每日笔记的预留位置。这个动作看似简单其实非常省时间比我手写快得多而且它能把零散记录中的关键结论捞出来。Generate Ideas 我用在写文章卡壳时。给它一个主题词它会根据 vault 内已有的材料列出几个思考方向。质量不算惊艳但作为灵感索引已经合格尤其适合需要大量产出内容但思路枯竭的时候。4. 参数配置与提示词模板——决定 Ponytail 性格 的关键一步很多人装了插件之后只用默认配置用几天就感觉不够聪明转头去卸载。我后来才发现问题的根源不是模型不够强而是你没有把提示词模板调到适合自己的场景。Ponytail 设置面板里最大的彩蛋就是自定义行动提示词Custom Prompts。4.1 认识 Ponytail 的动作-提示词架构Ponytail 的每个动作动作背后都对应一段系统提示词。你在设置面板里能找到每个动作对应的提示词编辑框。修改提示词就等于改变 AI 干这个活时的行为准则。举个例子默认的 Rewrite 提示词可能只说了重写这段文本使其更清晰简洁但你可以追加保留所有数字和具体事实不变在不改变原意的前提下调整为第三人称正式语气输出的中文要像资深行业分析师写的。我做了一个比较激进的实验把 New Card 的提示词改成要求以批判性思维审视相关笔记中的观点在新卡片中呈现正反两方论据并在最后给出个人倾向和建议从那之后生成的新卡片就自动带有争议点分析和个人结论两个区块完全满足了我每篇调研笔记的结构需求。这背后是一个非常重要的认知你要把自己当成prompt 工程师根据自己经常做的事去微调这些模板而不是当插件的被动使用者。Ponytail 把模板完全开放给你就是希望你能把它改造得更贴合自己的工作流。4.2 如何写一个可靠的补全提示词模板以补全动作为例我的模板结构大概是这样先定义角色你是一个长期使用 Obsidian 的知识管理专家了解主流的双链笔记语法。说明任务根据用户已输入内容及 vault 中的参考笔记续写后续内容。限定风格输出中文、口语化但逻辑紧密与已有内容风格保持一致如果原笔记使用列表继续使用列表。限定行为不引入用户笔记中不存在的新事实如需提出建议明确标注这是推测。限定长度通常控制在 200 字以内。你可能会觉得这太啰嗦但实测下来提示词里给定越具体的输出约束模型的输出越稳定越能融入你的笔记语境。比起默认模板那种自由发挥的风格有约束的输出更像你亲手写的。4.3 常用动作的提示词模板分享可直接抄作业下面这三个模板是我实际在用的你可以直接复制改动。注意我们说的是中文环境下的笔记场景。补全你是我的 Obsidian 笔记助手。续写光标位置的文本。要求保持原文风格和语态尽量贴合我原有表达习惯延续前文的观点逻辑不要在回答中提及你是一个 AI如果原文是列表格式则继续追加列表项输出内容不超过 200 字。改写选中文本你是一名文档编辑。在不改变事实信息和数据的前提下重写选中的文本要求逻辑更紧凑表达更书面化去掉口头禅和水词保留原有的 Markdown 格式如果原文使用了加粗或列表不要弄丢输出结果直接替换原文。生成新卡片基于当前标注的链接标题以及 vault 中相关的现有笔记内容生成一张新的笔记卡片。卡片需要先用一段话明确本页要解决的核心问题然后用列表展开要点最后给出个人行动建议。引用相关笔记时使用双链格式 [[]]。语言风格跟我全库笔记保持一致。我提醒一下提示词模板里不要写得像公文那么长核心是约束行为和输出格式而不是情感表达。4.4 模型参数怎么配合提示词调整配置提示词的同时建议把 Model Temperature 这类参数也联动调节。如果你改了模板让它做事实梳理那 Temperature 要调低一些避免它的自由发挥打乱事实结构如果你做头脑风暴、Generate Ideas那就把 Temperature 调高一点让它更发散。比如我做新卡片参考已有笔记写结论时Temperature 长期设在 0.3 左右当我写博客开头需要创意灵感时我会临时切到 0.8。Ponytail 支持在设置面板里改完后立即生效不需要重启 Obsidian这个很方便所以你可以随时尝试不同参数的组合。我见过很多人的误区是只调模型名称、不碰提示词和温度其实模型名称只是决定了肚子里有多少货提示词和温度才决定这货怎么倒出来。想让 Ponytail 真正贴合你的写作习惯这三样得一起动。5. 一个完整的实战流程从零生成一张读书笔记卡片全纪录为了让你完整看到各个环节是怎么衔接的我以最近一次做《噪声》这本书的阅读笔记为例把从触发到成稿的完整流程写在这。你可以对照着一比一复现。5.1 前置条件先准备一个触发用的双链占位符我在当天的日志笔记里录入了一条想法今天读完了《噪声》的几个关键章节里面关于判断偏差的分析跟我之前记录的产品评审案例有很多重合待深入整理。然后我在下一行输入[[读书笔记噪声与判断偏差]]这个没创建过的链接就是待生成卡片的种子。这里有个小细节双链里的标题名就像 Prompt 的一部分不能起得太随意。我见过有人起[[新笔记1]]这种名字再触发生成结果标题对生成内容的引导作用就完全浪费了。建议标题尽量具体最好包含核心对象和视角生成内容的方向一下子就能锚定。5.2 触发新卡片生成并观察生成过程光标停在链接文本上打开命令面板执行 Ponytail: Generate new card from link。插件会弹出一个窗口显示生成状态同时我能看到它在后台扫描 vault 相关的笔记。这一步执行了大约 10 秒后新笔记被创建出来了。我快速浏览了一下内容整体结构包含四个部分核心问题、关键概念提炼、与我现有笔记的关联、个人行动建议。这个结构并非巧合而是因为我在 New Card 提示词模板里要求了这几个区块。其中的与现有笔记的关联部分直接把我在产品评审中记录的几条案例做了摘要引用并且用双链格式正好连到了对应的笔记可溯源这点非常关键。5.3 用改写和补全打磨新卡片细节新卡片生成后我又做了三步加工第一选中关键概念提炼部分执行 Rewrite让它把原本平铺直叙的条目改写成带逻辑层次的结构。改写结果出来后我发现它把两个相似概念合并成一组对比这个是我自己写的时候经常忽略的角度。第二在行动建议部分末尾我补写了一句模糊的表达比如下一步可以……然后触发补全它基于前文和库里相关方法补出了三条可执行的后续动作。第三在新卡片的末尾位置我新起一行输入相关人物触发补全它自动列出了一些相关研究者的名字甚至还标注了是哪篇笔记里出现的实用性极高。5.4 整张卡片最终效果与我对它的评价最终生成的读书笔记卡片大概 800 字比我以前手写那种 1500 字的长篇要精炼一些但信息密度高因为它去掉了大量原文转述的水分直接把关键论断与我的旧笔记案例缝合起来了。我当天就把这张卡片放进了待整理队列只做了大约两处事实核对和措辞微调总计花了不到 5 分钟。如果放在过去同样的笔记我从读完书到落笔可能要花将近 1 个小时效果还不一定有这个好。这里我要强调的是Ponytail 生成的初稿不能替代你的思考和核对但它确实把我的角色从打字员变成了审稿人这个转变节省的时间是非常可观的。6. 常见故障与排查链路——连接失败、补全失效、生成内容与笔记无关没有任何插件是一帆风顺的。Ponytail 我用了两个月折腾出来的问题比功能本身还值得写一写因为这些问题几乎每个人都会遇到。6.1 连接失败先从 Endpoint 后缀开始检查报错文本大概是 Failed to connect to API endpoint 这类。出现这个提示我建议按以下顺序排查确认 Endpoint 是否写全是否带 /v1 后缀比如 OpenAI 系的接口通常长这样https://api.openai.com/v1如果你只填了根域名很多兼容层会直接拒绝。确认自己用的是自定义接口网络能通到对应服务。测试方式是在浏览器直接打开这个 Endpoint能访问则基本排除网络问题。确认 API Key 是否正确注意不要有多余空格或换行粘贴的时候最容易出这种问题。如果你用的是本地服务确认服务是否真的起来了。以 Ollama 为例终端执行ollama list看能不能列出已拉取的模型如果命令报错说明服务端就没起来跟插件无关。6.2 请求成功但返回空内容多半是模型参数或 Prompt 的问题有一种症状是插件没有报错日志也显示 200 OK但生成内容为空白。这通常不是网络问题而是你的请求里被模型判定为无内容可返回。我遇到过两次。第一次是因为 Max Tokens 设得太小模型刚开始生成就被掐断了表现出来就是一段不完整的文本或者干脆空白。第二次是我在本地模型上用了默认的补全 Prompt本地模型对某些细节理解不到位生成了一个看起来像占位符的东西。解决办法是把 Max Tokens 提到 1000 以上并将提示词改得更短更明确不要用请根据情况发挥这种模糊指令。6.3 生成内容感觉不像我的笔记提示词模板和参考笔记的双重问题如果生成的文本放在笔记本里显得很突兀大半是提示词模板和上下文参考出了问题。先说提示词你在模板里没有指定风格跟随用户原笔记模型就会按自己默认的文人腔调输出放回你简洁的笔记风格里自然刺眼。所以模板里一定要写下保持原文风格与语气这样的硬约束。再说参考笔记Ponytail 的上下文来源是 vault 内的相关笔记如果相关笔记质量很杂或者包含大量临时性的碎碎念生成的内容也会被带偏。我后来会把一些高度临时性的内容放到专门的收纳桶笔记里并给它打上temp标签这样在触发生成时那些收录桶笔记的干扰会显著下降。Ponytail 在检索时没法完全自动识别哪些笔记是核心知识、哪些是临时杂物这个筛选你得帮它做。6.4 历史问题插件开关看起来是启用的但命令面板里找不到 Ponytail这种让人抓狂的问题我也碰过。插件已启用但命令面板搜索不到任何 Ponytail 命令。多数情况是 Obsidian 的命令面板有缓存重启即可解决如果重启还不行去检查社区插件目录下的 main.js 是否损坏重新安装插件即可。还有一种少见原因是插件版本和 Obsidian 主版本严重不兼容官方仓库的 README 里一般有版本要求升级 Obsidian 或降级插件版本常能解决。7. 隐私边界、使用习惯与进阶玩法——把 Ponytail 融入日常工作流的几点个人心得最后这部分我想说说不涉及具体操作、但决定你能不能长期用下去的几件事。7.1 数据隐私这件事得自己主动兜底Ponytail 本身没有数据存储和训练行为但它调用的后端模型会接触你的文本。如果你用云端 API你的笔记内容就会明文发送给模型服务商。这不是插件的问题是你选型的问题。我的建议非常简单私密性强的笔记库一律走本地模型日常写作草稿可以用云端模型享受更好的生成质量。敏感信息我连提都不会提如果实在避不开就匿名化或者干脆手动处理。这不是麻烦是做知识管理的基本素养。7.2 别让补全功能钝化你的思考我得说一句大实话Ponytail 用多了我有时候写东西会有一种等着补全替我写的惰性尤其是写那些重复度高的周报、月报。我的应对方法是把 Generate Ideas 这类发散功能用在灵感枯竭期而写正式输出时我会先自己在草稿里写下每个小节的标题和关键结论再让补全去补充措辞和过渡句。也就是说AI 负责句子层面的完成结构层面的决策权留在自己手里。7.3 给进阶用户的三条路径多仓库配置、快捷指令编排、与模板系统联动第一如果你同时管理多个 vault比如工作库和个人库Ponytail 会为每个 vault 分别保留一套独立设置。你可以在工作 vault 里配置云端大模型在个人私有 vault 里配置本地模型切换 vault 时插件会自动套用对应的配置不需要每次手动改。这个对一个工具两种模式的人来说相当好用。第二Obsidian 的快快捷键系统允许你把命令绑定到一个自定义组合键。你可以把补全绑定到 Tab把改写绑定到 CmdShiftR把翻译绑定到一个顺手的位置。建议命令面板熟记几个常用命令名称比如 Rewrite一旦绑定成功速度上去的不是一点半点。第三把 Ponytail 生成的输出和 Obsidian 模板系统联动。你可以先设置好一整套模板比如书摘模板、会议纪要模板、项目拆解模板然后让 New Card 生成的初始内容基于你选定的模板结构来输出。做法是在提示词里写上严格按以下 Markdown 结构生成再把模板原样粘贴进去。这样生成的每张卡片都具备可预见的骨架后续的整理成本会低很多。7.4 关于模型选择的一点最终建议从小到大我给 Ponytail 配过的模型从 GPT 系列到本地 Qwen、Llama 都有。综合评价起来如果你用本地模型优先选 7B-14B 参数级别的再小的模型在补全和改写上确实会显得智力不太够但 14B 级别在 M 系列芯片上已经能做到不错的响应速度。如果你用云端1.5 到 4.0 之间的差距会体现在长文的连贯性和上下文关联的把握上生成的惊喜程度确实不同但相应的调用成本也更高。一个稳妥的方案是日常补全用轻量模型复杂的改写和分析任务手动切到更强模型Ponytail 支持配置切换正好能配合这种使用策略。我个人的配置是主用本地 Qwen2.5 14B遇到需要长文深度改写的任务切到云端 4o 系列绝大多数场景的表现已经让我很满意。插件的价值从来不只是它有多先进而是它多大程度上融入了你的日常习惯。对我而言Ponytail 最大的贡献是我重新开始愿意在 Obsidian 里大量写字了因为我知道不管写得多么零碎总有工具能帮我把它们变成真正可用的知识资产。