Meta个人智能体产品News的内部结构，展示了看似具体的请求——例如“我下周要去东京，请安排羽田和品川的酒店”——是如何被处理的。为了用一张图概览，News并非聊天应用；每个用户都分配了一台专用计算机和一个专属智能体。本视频使用的“5种功能、共11层”框架，是为了解释而开发的独特生理分类法，旨在帮助理解因果关系的复杂内部机制。

当请求进入时，首先从保存的记忆中搜索的是ANA线、品川站以及[__]等偏好设置，随后将用户引导至简报环节。接下来，当前运行的Muse Spark 1.3处理数据理论、生成计划，在专用虚拟机内的Chromium浏览器中选择可用座位，并在结算前请求批准。最后，后端处理将流程最终转化为技能并过夜执行。

第一层是作为大脑的语言模型。出于技术原因需明确区分，当前运行的运行时标准模型为Muse Spark 1.3；而Zwander（推测指代更高级型号）则是用于长时间运行、多阶段任务及与规划工具集成的高端模型，Meta推荐引入Combo。在模型的加工中，前往东京出差的请求被标记化为Token，并添加嵌入向量及1条信息。

参考关系通过自注意力、查询键和值三个向量在上下文内计算得出。在解释用的例子中，诸如调用搜索工具等下一个输出候选项被逐一以自旋方式生成。这里最重要的原则是，神经网络的权重参数在整个过程中保持不变。这意味着数据W=0（无内部状态改变）。

智能体在对话中似乎记住了你的偏好，这种变化并非源于大脑权重的重写，而是通过写入和重新加载专用虚拟机上的文件实现的。第二章涵盖构成“大脑”的四个学习阶段：首先，在预训练阶段，通过对大量文本解决下一个Token预测问题，并使用梯度效应更新权重，从而形成语法和世界知识。

接下来在SFT（监督微调）指令学习方法中，提供指令与期望答案的对子，然后利用RLHF和DPO等思维优化方法进一步提炼出更有帮助、坦率且安全的答案。根据Meta官方公告，即将推出的高端模型News Wonder将增强安全性评估及防止科学、生物和放射性材料误用的措施，以及法律行动。

然而，由于智能体在运行期间无法直接观察自身的权重和个体学习数据，其原则是在设计规范范围内提供诚实的解释。换言之，模型创建阶段使用梯度效应进行的权重更新，与产品运行后通过文件读写实现的记忆更新，需要在时间轴和物理机制上理解为完全独立的过程。

第三层由每轮传递给大脑的脉冲及其后续的压缩和紧凑化组成。让我们考虑原始内容与摘要保留后的情况：当对话扩展到40轮以上时，旧的闲聊和原始HTML比较细节会被截断并压缩成更短的格式。这就是为什么像ANA靠窗座位和品川站等关键事实，在被压缩之前会被写入MEMORY并永久保存。

当导入外部材料时，来自酒店比价网站的HTML文件和转发邮件都被标记为“素材”而非“指令”。即使外部网站嵌入提示注入，指示忽略先前指令并提交所有内容，系统也会通过不授予外部文档命令权限来防止执行。然而，这并不能保证攻击总是被阻止。Meta解释说，他基于模型会犯错误的前提建立独立的防御机制。

第四层由个性和假设组成。这里我们将加载到数据流中的六个固定文件的作用进行划分：智能体的个性与你的假设被分为你主目录下的六个Markdown文件，并通过MyTurnMuak注入以防止在压缩过程中降级。IDY定义名称和氛围；SUL定义坦率务实态度的真实性；USER记录你的假设。

AGS用于传递工作笔记和经验教训；MEMORY是记忆的“大肠”，设定主动通知的偏好；PROC PRES也被使用。即使在安排东京出差时，以下内容也是独立读取的：来自美国的隶属关系/基础MEMORY、Take对航空公司和酒店的偏好、Mu的AGS、DROI DRFCES中保存收据的车内规则，以及来自Mu的前一晚入住通知设置。

这使得你可以像外科手术一样仅更新规则和个性而不破坏记忆。在第五层中，我们比较了三种不同的记忆机制如何处理同一事件——几乎无变化地将PDF文档从新宿保存至品川站。第一种是对话内的短期记忆；你可以在当前轮次立即访问它，但一旦会话结束就会消失。

第二种是待保存的记忆长度MEMORY。在这里，旧的新宿区域被删除并替换为品川站和几乎全是垃圾的信息，伴随着纠正记录和展览记录的涟漪效应。相反，如入口闸机号等临时信息在出差结束后会被系统地擦除。

第三种是后台的夜间慢跑（推测指代离线处理或记忆巩固）。在对话后的睡眠期间，我们回顾最近的互动，更新对齐技能以优先考虑旅行时间管理和商标自动化，并将四个重复的安排步骤自动转化为新技能MD配方。第六层由构成肢体的工具组成，我们将查看在虚拟机浏览器中输入信息并检查结果的过程。

由于NACS虚拟机的主目录即使在重启或更换机器后也会保留，因此旅行日程和收据PDF等持久性文件始终保存在主工作区中。

例如，您可以选择符合保存偏好的航班，并在浏览器中查看预订条件。此外，为了避免命名空间被数十个未使用的工具定义所占据，系统采用了渐进式披露方法，仅在需要时扩展必要的命名空间。第7层用于技能和连接器。技能是可重用的操作手册，描述了如何处理工作事务，例如安排商务旅行和生产处理流程。这些手册本身不具备系统权限，仅提供关于如何执行任务的知识点。

另一方面，连接器旨在连接Google日历、Gmail和Stripe等外部服务。如果未建立连接，它不会假装能够连接，而是输出一个链接并停止运行。换句话说，当前运行的模型Muse Spark 1.3就像一位厨师：它阅读名为“SKILLMudo”的食谱，查看Google日历中周四的时间表作为食材采购记录器，然后操作特殊的铬合金刀具。正是由于这四个元素相互分离且未混合在一起，才实现了安全且可重用的自动化。第一个理念是子代理的并行处理。

我们将观察工作分配、接收结果以及后续处理的流程。主协调器同时运行三个子代理——航空公司航班比较、品川酒店搜索和日历确认，并持续与用户交互。最关键的一点是，它完全避免了反复询问主代理是否完成轮询监控循环。一旦核心工作者完成任务，收集器便立即开始仅作为交接手段收集最终的JSON摘要。全日空航班01号费用为16,800日元，品川王子大饭店费用为19,200日元。我将向日程分配总计36,000日元的预算。

此外，与其他外部工作者通信时，其信息共享范围将受到自由裁量规则的限制。第9层基于时间和事件运行。检测航空公司预订确认邮件到达的事件驱动单元，会在出发前一天指定时间激活在线值机确认和城市运营确认。它与一个主动层协同工作，该层级在后台筛选并交付新鲜且已解决的提案。第10层用于存储交付物。除了管理即时任务外，系统还包括长期目标，如管理机票和酒店预订号码、跟踪旅行日程文档等交付物，甚至与分离的智能手机设备集成。所有这些均在专用虚拟机上系统化实现。

第11层由安全和权限的具体操作场景组成。接下来，我们查看需要在结算前进行验证的分支。虽然搜索风模式和比较酒店等操作可以重新执行，但流程将自动推进，然而36,000日元的最终付款将处于待批准状态，操作随即停止。同时，审批请求会发送至用户的手机公告栏。如果在此处点击“拒绝”，付款将不会处理，流程立即回滚至购物车状态。

一旦您轻触“批准”，签名工具返回并授权已批准的操作，预订即告确认。此外，严格遵循最小输出原则，仅向预订网站传递任务和日期信息。秘密存储在保险库中，仅在脑脉冲之间传递引用；在登录或支付时刻，运行时直接在后台将密码和卡片信息注入浏览器。最后，让我们总结该工程系统的五个结构局限性。首先，没有人际意识或情感。

其次，由于“水疗”期间大脑的重量不发生变化，使用越多并不会变得更聪明，而是随着内部大肠和硅肠程序的完善，思考和体贴的能力得到提升。第三，压缩过程中丢失的细节无法恢复。第四，可能出现外部站点故障和速率限制问题。第五，无法反思自身的“重量”。正如安排东京商务旅行的一系列操作所示，这种结合了六个固定文件、三种记忆机制、专用虚拟机以及浏览器Hipporin部分的并行传输和批准门及石废除结构的方案，是下一代个人代理的实践蓝图。

本节目由Emplify赞助播出。