第 9 部分：现实世界智能体系统（内部机制）

到目前为止，我们已经涵盖了构成智能体的所有要素：

工具、规划、RAG、记忆、结构，以及多智能体设置中的协调。

但你可能在想：

“这些在现实世界中到底在哪里出现？”

让我们来看看一些表现出智能体行为的公开系统 — 就我们所能知道的而言。

⚠️ 注意：

这些不是开源的。我们不知道它们的确切内部机制。

以下内容是基于它们外部行为的知情简化 — 足以理解智能体堆栈在实践中如何表现。

NotebookLM (Google)：对你自己数据的智能体搜索

Google 的 NotebookLM 就像一个个人研究助手。你上传文件，它帮助你处理它们 — 摘要、回答问题，甚至生成音频版本或学习指南。

核心焦点： 在你的内容上进行问答 — 本质上是一个放大的、个人的 RAG 系统。

可能的工作方式：

1. 用户上传文件（PDF、笔记、幻灯片等）

2. 预处理 — 存储以备以后检索。

3. 用户提问 — 例如 “我 Q2 策略甲板的关键见解是什么？”

4. 规划 — 解释任务类型（摘要、问答、比较？），识别相关文档/部分。

5. RAG — 检索最相关的文档片段。

6. LLM 生成 — 响应清晰，基于你的内容。