Sage 可进化专家系统 - 培养你的 AI 专家顾问

核心理念

Sage 是 atypica.AI 的可进化 AI 专家系统,通过记忆文档、知识空白追踪、补充访谈三大机制,让 AI 真正"越用越聪明"。

核心价值:

1. 记忆即专家: 基于结构化的知识文档(Memory Document)构建专家能力
2. 主动学习: 通过对话发现知识盲点,主动补充和更新知识库
3. 持续进化: 每次对话和访谈都让专家变得更强
4. 可追溯性: 完整的知识来源追踪和版本历史管理

类比:

• 传统 AI: 一问一答,对话结束即忘记
• Sage: 像培养一位真人专家,持续学习、记忆、进化

---

对比总览: Sage vs 传统 AI

真实案例对比

场景: 咨询企业的 UX 设计规范

传统 AI(10 分钟):

Sage 专家(30 秒):

效率提升:

• 时间: 10 分钟 → 30 秒(节省 95%)
• 准确性: 通用建议 → 公司专属规范(100% 准确)
• 持久性: 一次性 → 永久记忆

---

Sage 是如何工作的?

一、三步创建专家

Step 1: 解析知识源

上传专业资料:

• 文件上传: PDF、TXT、Markdown、Audio、DOCX(最多 10 个)
• 文本粘贴: 直接输入文本内容
• URL 导入: 从网页抓取内容(使用 Jina Reader API)

自动解析:

---

Step 2: 提取知识并构建记忆文档

AI 分析:

Memory Document 示例:

创建版本 1:

---

Step 3: 知识分析

AI 识别知识盲点:

知识空白已记录:

---

二、主动学习机制

机制 1: 对话中发现知识盲点

真实对话场景:

关键特性:

1. 异步分析: 对话结束后,使用 Gemini 2.5 Flash 低成本分析
2. 自动识别: AI 判断哪些问题回答得不够好
3. 关联原始对话: 可点击查看完整对话上下文
4. 持续优化: 每次对话都可能发现新的知识盲点

---

机制 2: 补充访谈

触发条件: 当存在未解决的 Knowledge Gaps 时

自动流程:

Step 1: 生成访谈计划

Step 2: AI 访谈员进行访谈

Step 3: 自动更新知识库

---

三、知识演进追踪

版本控制

Memory Document 版本历史:

---

Knowledge Gap 生命周期

Gap 状态流转:

Gap 详细信息:

---

适用场景

场景 1: 企业知识传承

背景: 某企业的资深 UX 设计师即将退休,需要将 20 年经验传承下来。

操作流程:

Step 1: 创建专家

Step 2: 构建知识库

Step 3: 发现知识盲点

Step 4: 补充访谈

Step 5: 新员工使用

价值:

• 知识永久保存: 设计师退休后,知识仍然可用
• 随时咨询: 新员工不再受限于老员工的时间
• 持续进化: 新员工的提问会让 Sage 不断优化

---

场景 2: 个人学习助手

背景: 大学生小王正在学习机器学习课程,有大量课件和笔记。

操作流程:

Step 1: 创建学习助手

Step 2: 学习过程

Step 3: 持续优化

价值:

• 个性化学习: 基于自己的笔记和理解,不是通用答案
• 及时答疑: 不用等到答疑课,随时提问
• 查漏补缺: Sage 主动发现学习盲点,提醒补充

---

场景 3: 行业研究专家

背景: FinTech 行业分析师需要跟踪行业动态和趋势。

操作流程:

Step 1: 创建行业专家

Step 2: 快速洞察

Step 3: 持续更新

价值:

• 快速整合: 自动整合多份报告,无需手动摘录
• 持续更新: 新报告发布后立即更新,保持最新
• 矛盾发现: 自动发现不同报告的观点差异

---

Sage vs NotebookLM

核心差异

Sage 强调"培养专家":

• 知识是动态演进的
• 系统主动发现知识盲点
• 通过结构化访谈补全知识
• 完整的知识演进追踪

NotebookLM 强调"理解材料":

• 知识是静态的(基于上传文档)
• 被动响应用户查询
• 创新的输出形式(播客、视频总结)
• 快速上手,使用门槛低

---

能力边界

✅ Sage 能做什么

1. 知识导入

• ✅ PDF、TXT、Markdown、Audio、DOCX (最多 10 个)
• ✅ 文本粘贴
• ✅ URL 导入(自动抓取网页内容)

2. 知识管理

• ✅ 版本化记忆文档(保留 20 个版本)
• ✅ 知识来源追踪
• ✅ 变更历史管理

3. 主动学习

• ✅ 初始知识分析(识别知识空白)
• ✅ 对话中发现知识盲点(异步分析)
• ✅ 补充访谈(AI 自动生成访谈计划和问题)
• ✅ 自动更新知识库

4. 专家咨询

• ✅ 公开专家主页
• ✅ AI 生成的推荐问题
• ✅ 私有对话(仅所有者可见)
• ✅ 文件附件上传(作为对话上下文)

5. 可追溯性

• ✅ 完整的知识来源追踪
• ✅ Knowledge Gap 生命周期管理
• ✅ 版本控制和变更历史

---

❌ Sage 不能做什么

1. 实时数据

• ❌ 不支持实时数据源(如实时股票价格)
• ✅ 可以定期手动更新知识源

2. 跨专家协作

• ❌ 暂不支持多人共同维护一个专家
• ✅ 每个用户可创建多个独立专家

3. 自动化更新

• ❌ 不会自动爬取最新资讯
• ✅ 用户手动添加新知识源后增量处理

4. 工具调用

• ❌ 暂不支持 web search、deep research 等工具
• ✅ 未来计划支持

---

最佳实践

1. 创建高质量专家

提供多样化的知识源:

内容深度建议:

• 概览级: 10-20%(快速了解全貌)
• 详细级: 60-70%(深度专业知识)
• 案例级: 10-20%(真实案例和决策过程)

---

2. 充分利用补充访谈

及时创建访谈:

访谈技巧:

---

3. 持续观察对话质量

定期查看 Gaps Tab:

---

4. 成本优化

分批处理知识源:

选择性创建访谈:

---

技术架构

数据模型

核心实体关系:

Memory Document 版本管理:

• 每个版本自动编号(v1, v2, v3...)
• Markdown 格式的结构化文档
• 记录变更来源(初始创建/访谈补充/手动编辑)
• 详细的变更说明
• 完整的创建时间记录

Knowledge Gap 追溯信息:

• 标题和详细描述
• 严重程度级别(Critical/Important/Nice-to-have)
• 当前状态(待解决/已解决)
• 知识盲点来源(初始分析/对话发现/系统建议)
• 关联的对话记录(如果来自对话)
• 解决方式记录(通过访谈/手动标记)
• 关联的访谈记录(如果通过访谈解决)

---

AI 模型策略

成本优化设计:

1. 手动触发: 三步处理流程均需用户手动触发,避免意外消耗
2. 异步处理: 对话质量分析、访谈后更新使用后台异步处理
3. 轻量模型: 非关键任务使用成本更低的模型(Gemini 2.5 Flash)
4. 增量更新: 支持新增知识源后的增量处理

---

未来展望

近期改进(3 个月内)

1. 版本历史 UI

   • 可视化版本历史
   • 对比不同版本的差异
   • 回滚到历史版本

2. 实时处理进度

   • WebSocket/SSE 实时更新
   • 处理进度条
   • 详细的处理日志

3. 专家公开/私有控制

   • 选择是否公开专家主页
   • 设置访问权限
   • 分享专家给团队成员

中期改进(6 个月内)

1. 工具调用支持

   • web search(实时搜索最新信息)
   • deep research(深度研究能力)
   • 自定义 MCP 工具

2. 专家协作

   • 多人共同维护一个专家
   • 权限管理(所有者/编辑者/查看者)
   • 变更审核流程

3. 知识库导出

   • 导出记忆文档(Markdown/PDF)
   • 导出完整知识库(JSON)
   • 迁移到其他系统

---

总结

Sage 可进化专家系统是 atypica.AI 的创新功能,通过记忆文档、知识空白追踪、补充访谈三大机制,实现 AI 专家的持续进化。

核心价值

1. 持续进化: 每次对话和访谈都让专家变得更强
2. 主动学习: 系统主动发现知识盲点并补充
3. 知识传承: 将隐性知识显性化,永久保存专家经验
4. 可追溯性: 完整的知识来源和变更历史

适用场景

✅ 适合:

• 企业知识传承(资深员工经验传承)
• 个人学习助手(课程笔记整理)
• 行业研究专家(持续跟踪行业动态)
• 专业咨询(法律、医疗、技术等领域)

❌ 不适合:

• 实时数据查询(如股票价格)
• 通用问答(ChatGPT 更合适)
• 一次性文档理解(NotebookLM 更快)

与其他功能的关系

功能协同:

• 文件附件: 上传文件到对话 vs 上传到 Sage 知识库,互补
• Memory System: 用户级记忆 vs 专家级记忆,双层架构
• MCP 集成: Sage 未来可调用 MCP 工具,扩展专家能力

---