当您记得原话时，搜索很好用。输入验收，就能找到包含“验收”二字的信息。但您真正想从多年的信息里找回的东西，大多不是一个词，而是一个事实：定金到底是谁付的，我们后来说清楚了吗？装修师傅给屋顶报价多少？哪份合同写着屋顶不包括在内？您知道答案就在那里。您只是记不清别人是怎么说的、在哪个对话里，甚至不确定那到底是一条信息，还是别人附上的某份 PDF 里的一页。
Text2Store 正好有一个为这种时刻准备的功能，叫向您的信息提问：用日常语言输入一个问题，应用就会根据您自己的存档来回答。
有凭有据的答案
用过 AI 聊天机器人的人都熟悉那种不安：答案流畅、自信，却可能是错的。我们不想把这种感觉带进一款人们托付了十年记录的应用里，所以每个答案都附有凭据。每个答案下方都有一行类似“依据 3 个对话中的 5 条信息和 1 份文档”的说明，展开后就能确切看到答案依据的是哪些信息。点按其中一条，就会像点按搜索结果一样，跳到真实对话中的那条信息。您永远不必盲信答案；核对只需点一下。
这行说明在另一个方向上同样诚实。如果应用无法连接 AI 服务，它会直说。如果您的索引只覆盖了存档的一部分，答案会说明它能看到哪些内容。每个答案还始终附有提醒：答案可能出错，以及应该核对哪些信息。一个可以核对的答案，胜过一个听起来漂亮的答案。
它也会读取文件
对话不只是一个个气泡。租约是别人附上的 PDF，报价单是一张纸的照片。所以这个功能也会读取存档中的文档：PDF 逐页读取，扫描件和截图则通过文字识别读取。当答案依据其中某份文档时，引用会注明文件和页码，例如卖方披露.pdf，第 3 页，共 14 页，并说明这些文字是来自文件本身的文本，还是从图像中识别出来的，让您知道这份转录可信到什么程度。
它能看到您保存的一切
这个功能使用的是与 Text2Store 其他功能相同的合并历史：您做过的每一次备份，拼接成一条时间线。其中包括与短信并列的 WhatsApp 聊天，以及您多年前从手机上删除、但被旧备份保存下来的信息。您可以把问题限定在当前打开的对话中，也可以按默认设置一次查询全部内容。一个答案完全可能同时引用 2021 年的一条短信、一个群聊和上个月的一份 PDF。
哪些内容会离开您的电脑，哪些永远不会
这是我们最自豪的部分，说起来也很简单：建立索引不会向任何地方发送任何内容。用来找出候选信息的语义索引，完全由在您电脑上运行的模型在您的电脑上计算。模型本身会在您第一次开启功能时一次性下载，大约 220 MB；它没有打包在安装程序里，这样对不使用此功能的人来说，应用依然小巧。模型一旦下载到您的电脑上，您甚至可以在飞机上为十年的存档建立索引。对于加密备份，索引同样会加密。
只有提问时才会发送内容：问题以及检索到的少量信息摘录，经由我们的中转服务发送给 Google Gemini，由它组织答案。中转服务不保存任何内容，也不记录信息内容；根据 Google 针对我们项目的零数据保留条款，您的内容不会在那里保存，也不会被用于训练模型。在第一次提问之前，您需要针对每个存档同意一次，同意界面会用浅显的语言说明这一切；设置中还有一个开关，关闭此功能的同时会删除索引。隐私政策（英文）有完整说明。
实际使用
“向您的信息提问”包含在 Text2Store 的购买中，“向您的信息提问”指南介绍了如何设置。提问会消耗 AI 积分，与摘要使用的积分相同：您的购买附带 25 个，另有积分包可购买（英文）。建立索引已包含在内。和 Text2Store 的所有 AI 功能一样，它只是辅助工具：帮助您找到并理解您保存的内容，绝不会成为可校验导出的一部分。
如果您好奇它的内部原理，包括我们为什么先搭建了云端索引流程、后来又把它删掉、改为在本地运行模型，这段技术故事写在开发者笔记中：An answer you can check（英文）。