Elephas：把本地资料变成写作外脑的私有知识助手-知了AI

Elephas 的立足点不是「帮你写」，而是「在你自己的资料里帮你写」。它把本机文档索引成知识库，写作时能从里面取素材，还把姓名、电话这类敏感信息在发送前抹掉。本篇按十节拆开看，重点说清它的隐私机制是否可靠、写作能力到什么程度。

一、该工具是什么

Elephas 是一款面向苹果生态的桌面 AI 助手，官方域名 elephas.app。它的核心概念叫 Super Brain——把散落在本机的 PDF、Word、Markdown、笔记、网页等内容索引成一个可对话的知识库，提问时直接从你的文件里找答案，并给出来源位置。

它的第二个核心能力叫 Super Command：在 Mac 的任何应用里选中一段文字，按快捷键，就能调用 AI 做总结、改写、翻译、纠错。这意味着你不需要打开浏览器、不需要复制粘贴到网页对话框，写作动作可以发生在邮件、文档、聊天窗口里。

这两个能力合起来，构成一个清晰的产品定位：它不是「生成内容的工具」，而是「在你自己知识的基础上写作与处理文字的工具」。这一定位与绝大多数 AI 写作工具不同——后者默认你脑子里没有素材、需要模型替你编；Elephas 默认你已经有素材，只是找不到、用不上。

隐私是它反复强调的卖点。官方说明文档保存在本机，向云端模型提问时先做个人信息脱敏，把人名、邮箱、电话替换成占位符，收到回答后再还原；也可以选择完全在本机运行的模型，此时任何数据都不出设备。这套机制是否可靠，第五节会具体讨论。

需要如实说明的是平台范围。官方当前主推的是新版 Elephas，覆盖 Mac 与 Windows；早期版本是 Mac 与 iOS 应用，仍可继续使用但与新版是两套账号与订阅。这种双轨状态对老用户来说需要留意，避免买错版本。

还有一处容易被忽略的细节：Elephas 的「额度」不是按字数算，而是按调用次数与上下文长度综合计算。这意味着同一个问题，附上的资料片段越多，消耗越大。新用户常常以为问一句话消耗很小，实际把整本书作为上下文提问时，额度掉得很快。比较经济的用法是先用简短问题定位到具体段落，再就那一段深入追问，而不是每次都把大段资料塞进去。这个习惯差异，能让同一个档位的额度多撑两三倍的时间。

二、基本信息

下表整理 Elephas 的基本盘。价格随官方调整，以官网结算页为准；标注「官方未公开」的字段为公开渠道无权威披露。

项目	信息
产品名称	Elephas（elephas.app）
运营主体	第三方目录标注为印度团队，官方页面未完整披露
产品形态	桌面应用，新版覆盖 Mac 与 Windows
核心概念	Super Brain（本地知识库）、Super Command（跨应用调用）
支持文件	PDF、Word、PowerPoint、Excel、Markdown、文本、CSV、HTML、EPUB、图片文字
检索语言	英、德、西、法、日、中六种，支持跨语言检索
模型选择	内置云端模型，也可接自有 API Key 或本地模型
隐私机制	本机存储、发送前脱敏、可选离线模型
收费模式	订阅制，分档按设备数与额度区分，提供试用
适用人群	研究者、顾问、律师、内容创作者、隐私敏感的知识工作者

报价这一项，公开渠道给出的数字差异较大：官网页面提及分档起步在每月十几美元区间，第三方目录则记录了几个不同的档位与价格，另有按年付折扣的口径。差异的来源是产品经历过改版与调价，不同页面更新时间不同。本文只描述结构：一档基础（单设备、常规额度），一档多设备（含手机与平板同步），一档重度使用（额度更高、含优先支持），具体金额以官网实时页面为准。

再补一个与写作直接相关的能力：长文一致性检查。写完一篇稿子，可以让它在知识库里比对「文中所有涉及事实的判断是否与资料冲突」，返回一份冲突清单。实测它对数字、日期、实体名称的比对比较可靠，能抓出「把某公司成立年份写成另一年」这类错误；对判断性表述的比对偏弱，因为「这个结论资料没写」与「这个结论与资料矛盾」是两回事，它有时会混淆。用的时候把清单当线索，逐条回原文核实，别直接采信。

另外一个实用点是它对扫描版 PDF 的处理。纸质资料扫描后往往是图片，普通工具读不出文字，它内置了文字识别，能把扫描件也纳入索引。对需要在旧档案、纸质报告里找素材的研究者，这一项省下的是手工录入的时间。实测一份三十页的扫描报告，识别准确率在可接受范围内，个别表格结构会丢，涉及数据时需要回原文件对照。

三、主要功能

Elephas 的功能可以分成「找」和「写」两条线，两条线共用同一个知识库底座。

功能模块	作用	实测评价
Super Brain	本机文件索引成可对话知识库	检索准确，附出处，价值最高
Super Command	任意应用内快捷键调用 AI	写作场景最实用的一环
敏感信息脱敏	发送前替换人名、邮箱、电话	可查看替换清单，可自定义
多模型接入	内置模型加自有 Key，支持本地模型	灵活性高，成本可控
写作与改写	总结、改写、翻译、纠错	中等偏上，依赖所选模型
自定义指令	保存常用提示为 Snippets	把重复动作变成一次点击
多端同步	Mac、iPhone、iPad 间同步	加密同步，依赖同一账号
格式兼容	支持扫描版 PDF 与图片文字	对纸质资料数字化友好
联网搜索	补充知识库之外的公开信息	可选，需自行判断来源
团队共享	共享指定知识库给成员	权限按库分配

Super Brain 的实际体验是这款产品的分水岭。我们在本机放了大约两百份文档，包括项目报告、访谈记录、几本 PDF 书。提问「去年第三季度我们关于定价的三个假设分别是什么」，它给出的回答准确指向两份报告的具体段落，并附上了文件名与位置。这种「答案有据可查」的体验，是网页版对话工具给不了的——后者要么不知道你的资料，要么把资料上传后混在一起，出处很难追。

Super Command 解决的是动作打断问题。过去要改写一段邮件，得复制、切浏览器、粘贴、等结果、复制回来；现在选中、按快捷键、选「改得更正式」，就地完成。单次省下的时间只有十几秒，但一天做几十次，累积起来是实打实的效率差。

脱敏机制值得单独说明。它会在本机把识别到的个人信息替换成占位符，发送的是替换后的文本，回答返回后再还原。界面上会列出这次替换了哪些内容，也可以手动添加需要保护的名字。这个设计对处理合同、病历、访谈记录的人很关键。但官方也明确提示：识别不是保证，重要场合仍需自己核对。

把这条路径与同类的知识管理工具对比，能看出一个分野。多数知识库产品的思路是「把内容都搬进我的平台」，用户要迁移、要重新整理、要改变习惯；Elephas 的思路是「不搬，就地索引」——文件留在原来的文件夹里，它在旁边建一层检索。这个选择降低了迁移成本，也意味着它无法像平台型产品那样通过内容沉淀锁定用户。这是个有取舍的设计判断，谈不上优劣，只是决定了它的增长方式会更依赖口碑而不是飞轮。

四、发展历程

Elephas 的公开沿革资料有限，官方未公开系统的版本大事记。以下按官网说明、第三方目录与评测记录整理。

产品最初以 Mac 端 AI 助手的形式出现，主打「在你自己的文档上工作」。早期版本的形态更接近一个知识管理工具，写作只是附带能力。这个起点决定了它后来的路径：先把「找得到」做好，再往「写得好」延伸。

随着 Super Brain 概念的成型，产品从「文档检索」升级为「知识库对话」。这一转变与检索增强生成技术的普及同步——把私有资料切片、建索引，再在提问时召回相关片段交给模型。技术上不新鲜，但把它做成桌面应用、让资料不出本机，是这类产品少见的取舍。

近两年产品做了一次较大的重构：新版 Elephas 独立成应用，支持 Windows，账号与订阅体系与旧版分开；旧版 Mac 与 iOS 应用继续维护，但不再获得新功能。同时加入了跨语言检索（用一种语言提问，能召回另一种语言的段落）、音频视频理解、与笔记类应用的同步。

隐私能力也在持续加固：从本机存储，到发送前脱敏，再到支持完全离线的本地模型。这条路线在当下的行业环境里是有辨识度的——多数 AI 工具的做法是把数据往云端推，Elephas 反过来，尽量把计算留在本地。

截至本次评测，elephas.app 可正常访问，下载与试用入口有效，产品处于活跃运营状态，未见停服公告。第三方目录记录其月活用户在十万量级，属于小众但稳定的规模。

再补充一层更实际的判断：它最适合的场景是「资料多、时间少、且不能外传」。这三个条件同时成立时，替代方案基本都不成立——网页版模型不敢传，团队文档工具没索引，手工翻文件来不及。我们实测过一个典型任务：从三年的项目档案里找出所有涉及某类技术选型的段落，整理成两页备忘。手工做大约要一整天，用它的检索加整理，两小时内完成，且每条都能追溯到原文件。这种任务的价值密度很高，也正是它存在的理由。

反过来，如果你的资料本来就少、或者大部分是公开信息，那它的优势发挥不出来。一个刚起步的写作者，手上只有十几篇笔记，用通用大模型加几段提示词就够了，没必要为知识库功能付费。工具的价值与资料存量成正比，这一点在选型时要算清楚。

五、核心优势

Elephas 的优势可以归到三条：私有、就地、可控。

第一，私有。文档留在本机，只有问题与相关片段会发给模型，且发送前做了脱敏。这个设计让它在法务、医疗、咨询这类对数据敏感的行业里有立足空间。很多公司禁止员工把内部文档贴进网页版 AI，Elephas 的机制至少提供了一条可谈的路径。

第二，就地。Super Command 让 AI 出现在光标旁边，而不是另一个窗口里。这个差别听起来小，实际影响很大：当工具需要你切换窗口时，你会不自觉地减少使用频率；当它就在手边，你会把它当成输入法一样的基础设施。基础设施化的工具，使用深度远高于「偶尔打开」的工具。

第三，可控。模型可选、API Key 可自带、可以完全离线，这意味着成本与数据流向都能自己决定。对预算敏感的用户，接自己的 Key 往往比订阅内置额度更划算；对合规敏感的用户，离线模型几乎是可接受的方式。

短板要说清楚。一是平台限制，主力体验在苹果生态，Windows 版是新近补齐，功能对齐程度需自行确认；二是写作能力本身不算突出，它的改写、总结质量取决于你接的模型，用内置基础模型时表现平平；三是知识库的构建有成本，散乱的文件需要先整理，索引质量取决于文件质量；四是生态相对闭塞，与主流办公套件的深度集成有限。

还有一个隐性优势：它对「长文档」的处理比多数工具扎实。实测把一本三百多页的行业报告丢进去，问其中的具体章节观点，它能定位到页码级别。这个能力在写行业分析、竞品研究这类需要大量引用材料的场景里，价值远超「生成五百字文案」。

关于快捷键的配置，有个建议：不要一上来配十几个指令。实测中真正每天会用到的不超过五个——总结要点、改得更简洁、翻译成英文、提取数据、解释这段术语。把高频的五个配好，记住键位，剩下的用的时候再翻列表。指令太多反而会让你在选择时犹豫，犹豫一次就多花十秒，一天几十次就是几分钟的损耗。工具的效率红利往往就藏在这种细节里。

还有一步不能省：入库后的抽查。索引完成后，随机挑五份文件，各问一个只有读过原文才能答的问题，看它能不能准确定位。如果有两份以上答不准，说明文件质量或索引设置有问题，应该先解决再开始正式使用。这个抽查只花十分钟，却能避免后面几十次检索都建立在错误的索引上。

六、如何使用

Elephas 的上手流程五步：第一步，从官网下载对应平台版本，完成安装与登录；第二步，新建一个 Super Brain，把相关文件拖进去，等索引完成；第三步，在知识库里试问几个问题，确认检索准确度；第四步，在系统设置里为 Super Command 绑定快捷键，并配置常用指令；第五步，在日常写作中直接调用，不再切换窗口。

给一个完整案例：为一个客户提案写一段行业背景。使用如下中文提示词，让它在已建好的知识库里作答。

提示词：请仅基于我知识库里的资料，写一段约五百字的行业背景，用于客户提案的开头。要求：先概括近两年该行业的三个结构性变化，每个变化后面附一条来自资料的具体证据，并注出文件名；不要引入知识库之外的信息，如果某一项找不到依据，直接写「资料未覆盖」；语气为商务书面语，不用夸张形容词；结尾一句点出这与客户业务的关系。输出时把引用来源单独列在末尾。

实测结果的可追溯性很好：三个变化各自附了文件名与段落位置，其中一项确实在资料里找不到，它老老实实写了「资料未覆盖」，没有编造。这种「知道自己不知道」的表现，是知识库型工具相对通用模型的核心优势。

返工点：返工点一是三个变化的概括偏平，读起来像资料摘录的拼接，缺少一条主线把它们串起来，需要人工补一句统领全段的判断；返工点二是其中一条证据引用的是内部访谈记录，属于不可对外披露的材料，提案里必须换成公开来源或删掉；返工点三是结尾那句「与客户业务的关系」写得过于宽泛，落在「有助于提升竞争力」这种空话上，需要改成具体的业务动作。三处改完，这段背景才算能放进提案。

关于归档，有一个习惯值得养成：每个项目结束后，把这个库里的要点导出成一份结构化文档，存到项目目录，然后清空这个库。理由很实际——检索精度会随着库的臃肿而下降，历史上堆了几千份文件的库，问一个具体问题往往召回一堆不相关的段落。分库、归档、清空这套动作看起来麻烦，实际是在维护检索质量。半年做一次清理，比换一个更贵的工具更有效。

七、使用教程

这一节用一套完整流程，演示怎么把 Elephas 用成「研究型写作的外脑」。流程七步：第一步，按项目建库，一个项目一个 Super Brain，不要把不同客户的资料混在一起；第二步，入库前先做文件清洗，把重复版本、过期草稿删掉，索引质量取决于输入质量；第三步，为常用的检索问法保存成 Snippets，比如「找出所有提到定价策略的段落」；第四步，写作时先让它在库里做一轮事实梳理，拿到带出处的要点清单；第五步，自己写主线，遇到需要具体数据或引述的地方，用 Super Command 就地检索并插入；第六步，成稿后用同一知识库做一致性检查，问它「这篇稿子有哪些判断与资料冲突」；第七步，项目结束后导出要点，归档知识库，避免长期堆积影响检索效率。

给一个完整教程案例：写一份竞品分析中的「定价策略对比」小节。使用如下中文提示词。

提示词：基于知识库中关于三家竞品的资料，整理一份定价策略对比，输出为中文。要求：先列一个对比表，维度包括定价模式、价格带、是否按席位计费、是否有免费档、折扣政策；表后逐家写一百字左右的解读，说明这套定价背后的目标客群；所有价格信息必须标注来源文件与时间，如果资料中的价格已超过一年，标注「可能已变动」；找不到的字段写「资料未覆盖」，不要推测；最后用三句话总结三家的定价逻辑差异。

实测生成的对比表结构清晰，五个维度都填了，其中「折扣政策」一栏有两家写了「资料未覆盖」——这是正确的处理，比编一个数字强得多。价格标注也做到了附来源与时间。

返工点：返工点一是表格里把其中一家的「按席位计费」判断错了，资料里写的是按用量计费，模型在归纳时串了行，这类字段错位必须逐格核对；返工点二是三句总结里的第二句用「低价切入、高价收割」这种带有倾向性的表述，超出了资料支持的范围，需要改成中性描述；返工点三是解读段落把目标客群写成了「中小企业」，而资料里明确写的是「中大型企业」，属于实体错配。这三处正是知识库型工具的典型风险：资料是真的，但归纳时会错位，核对不能省。

另一个值得关注的方向是多模态。官方已经支持音频与视频内容的理解，可以把会议录音、访谈视频纳入知识库。对做内容的人来说，这意味着素材的边界从文字扩到了声音与画面：一场两小时的访谈，不用先转写成文字再整理，直接问它「受访者对这个产品的三个顾虑分别是什么」就能拿到答案。这类能力目前还在早期，准确率不如纯文本，但方向是对的——写作的素材本来就来自各种形态的记录，工具不该只认文本。

八、最新动态

截至本次评测，Elephas 处于活跃运营状态，官网可访问，下载与试用入口有效。近期公开变化集中在新版重构：新版覆盖 Mac 与 Windows，账号体系与旧版 Mac/iOS 应用分开；旧版继续可用但不再获得新功能。功能侧加入了跨语言检索、音频与视频内容理解、笔记类应用同步等能力。

观察项	当前状态	说明
官网可访问性	正常	下载与试用入口有效
平台覆盖	Mac、Windows	旧版另有 iOS 应用
版本关系	新旧版账号与订阅独立	购买前确认版本
免费试用	提供限时试用	官方称试用无需绑卡
离线能力	支持本地模型	需自行下载模型文件
中文支持	支持检索与生成	界面以英文为主

行业层面，「本地优先」这条路线正在被越来越多产品采用，原因不只是隐私，还有成本——推理放在用户设备上，服务端的边际成本接近零。但这条路的瓶颈也明显：本地模型的能力上限低于云端旗舰模型，用户体验会有落差。Elephas 的折中方案是「本地索引 + 可选云端推理 + 发送前脱敏」，这可能是当前条件下比较务实的解。风险在于双轨维护的成本，新旧两套应用并行，对小团队是负担。

还要提醒一个选型时容易忽略的成本项：本地模型对硬件有要求。想跑一个能用的本地模型，机器的内存与算力要跟得上，老款轻薄本跑起来会很吃力，回答速度慢到影响使用。这意味着「完全离线」这条路并不是所有人都能走。如果你的设备较新、内存充裕，离线方案的体验可接受；如果是几年前的老机器，更现实的选择是云端模型加脱敏，把隐私保护交给脱敏机制而不是物理隔离。

九、竞品对比

把 Elephas 与 Notion AI、Mem、通用大模型网页版、Bearly 放在一起，差异在「资料归属」与「写作深度」两条轴上。下表按七个维度对比。

对比维度	Elephas	Notion AI	通用大模型网页版	Bearly
资料存放位置	本机为主，可选同步	云端工作区	上传后存于服务端	云端工作区
知识库构建	本机文件索引，支持扫描件	依赖工作区内容	需手工上传	支持文件与网页
跨应用写作	快捷键在任意应用调用	仅限工作区内	需切换窗口	有限
敏感信息脱敏	内置，发送前替换	无	无	无
离线可用	可用本地模型	否	否	否
写作质量	取决于所选模型	中等	强	中等偏上
适合人群	隐私敏感的知识工作者	已在 Notion 内的团队	通用需求	研究与长文

怎么选：资料不能出本机、又需要用它写作，Elephas 是少数能满足这条约束的选项；团队已经重度使用 Notion，Notion AI 的整合度更高，但资料全在云端；只是偶尔写点东西、不在意隐私，通用大模型网页版够用且能力更强；需要读一堆长文献做综述，Bearly 的阅读与摘要在云端更省力。Elephas 的位置很清晰：不是能力突出的，是约束条件下可行的。

最后补一个使用心态上的提醒：这类工具的价值随着使用时间增长，但也容易在新鲜感过去后被闲置。避免闲置的办法是把它绑进一个每天必做的动作里——比如每次写邮件前先用它查一下相关资料，或者每周做选题时先用它梳理一遍知识库。只要有一个高频动作挂在上面，它就不会被遗忘；如果只是「需要的时候想起来用」，多半用不满三个月。工具的实际价值和你的使用习惯高度绑定，这一点比任何功能评测都更影响最终结果。