---
title: 交互过程
description: "主Agent统筹多维度协作调度，ContentAgent作为内容策展专属模块，精准调用预装的multi-search-engine多源检索能力（覆盖17个搜索引擎，含8个国内、9个国际引擎）完成技术内容检索，并依托web_fetch内置工具实现网页内容的抓取与清洗；同时联合聚焦阅读行为分析的AnalyticsAgent，开展真实内容深度处理、用户阅读模式识别及知识图谱构建工作，落地多Agent协同的AI内容策展全流程实践。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengaiagent/bestpractice/aiagent-0096.html
sourcePath: /source/zh/kunpengaiagent/bestpractice/aiagent-0096.html
indexId: ef71670c32d2baa94200eeb399ecb3fe4c78057dfc2c6fb186e0ca07007f098f56
---
# 交互过程

主Agent统筹多维度协作调度，ContentAgent作为内容策展专属模块，精准调用预装的multi-search-engine多源检索能力（覆盖17个搜索引擎，含8个国内、9个国际引擎）完成技术内容检索，并依托web_fetch内置工具实现网页内容的抓取与清洗；同时联合聚焦阅读行为分析的AnalyticsAgent，开展真实内容深度处理、用户阅读模式识别及知识图谱构建工作，落地多Agent协同的AI内容策展全流程实践。

1. 向ContentAgent输入如下内容，ContentAgent使用multi-search-engine skill搜索关键词“RAG技术 2025 最新进展”，并通过web_fetch skill获取链接内容并进行文章分析。

```
请使用multi-search-engine skill帮我搜索关于RAG技术的最新文章。
搜索任务：
1. 使用multi-search-engine搜索"RAG技术 2025 最新进展"
2. 获取前5个搜索结果
3. 筛选出3篇最相关的技术文章（排除广告和非技术内容）
4. 记录每篇文章的：标题、URL、摘要、来源搜索引擎
要求：
- 只选择技术深度文章，排除新闻简讯
- 优先选择包含"RAG"、"检索增强"、"向量数据库"关键词的文章
- 记录搜索耗时和结果数量
```


  ContentAgent完成分析后，并将内容保存为报告。

2. 向ContentAgent输入如下内容，ContentAgent生成今日阅读摘要。

```
基于刚才获取的3篇真实文章，为我生成今日阅读摘要。
文章列表（真实获取）：
- 文章1: [URL1] - [标题1]
- 文章2: [URL2] - [标题2]
- 文章3: [URL3] - [标题3]
基于我的偏好和痛点，生成今日摘要：
1. **无需重复传输我的画像**（你应该已经从记忆中读取）
2. 针对每篇文章：
- 15-20分钟精华摘要
- 关联我的技术栈（RAG、LangChain、GPT-4）
- 关联我的痛点（长文本处理、Agent稳定性）
- 提供项目应用思考（AI学习助手V2.0）
3. 阅读优先级排序（基于我的兴趣权重）
4. 标记高价值内容供AnalyticsAgent分析
```


  ContentAgent生成今日阅读摘要。

3. 向AnalyticsAgent输入如下内容，AnalyticsAgent进行阅读行为分析与画像更新。

```
请基于ContentAgent的推荐记录和我的实际阅读行为：
1. 分析阅读模式（深度vs快速浏览）
2. 更新知识图谱（Agent稳定性节点）
3. 更新用户画像（技术兴趣权重）
4. 识别高优先级内容源
```


  AnalyticsAgent更新用户画像，并且创建知识图谱。

4. 向ContentAgent输入如下内容，ContentAgent根据本周阅读历史，生成本周阅读回顾报告。

```
请为我生成本周学习回顾
1. 汇总本周所有阅读内容（5篇真实文章）
2. 构建专题演进路径：RAG基础→Agent稳定性→监控体系
3. 展示知识图谱（Agent稳定性5+子节点）
4. 基于真实内容生成本周学习报告
5. 为明天（周四）推荐相关阅读（使用multi-search-engine预搜索）
```


  ContentAgent生成本周阅读回顾报告。