文章目录一、从单工具智能体到多工具 Agent 系统二、基础回顾：RAG 与检索增强生成2.1 什么是 RAG2.2 RAG 的典型实现流程2.3 从基础 RAG 到 Agentic RAG三、案例设定：Alfred 的盛大晚会3.1 案例背景3.2 案例中的工具清单3.3 宾客数据库：guest_info.json四、实战一：构建文档检索工具（宾客数据库）4.1 步骤 1：加载与准备宾客数据4.2 步骤 2：构建向量索引4.3 步骤 3：将检索封装为"工具"4.4 步骤 4：创建 Agent 并测试五、实战二：集成更多工具（搜索、天气、HF 统计）5.1 网页搜索工具5.2 天气查询工具5.3 Hugging Face 统计查询工具5.4 组装多工具 Agent六、实战三：三个框架实现同一套 Agent 系统6.1 用 smolagents 实现（CodeAgent）6.2 用 LlamaIndex 实现（AgentWorkflow）6.3 用 LangGraph 实现（create_react_agent）6.4 三种实现的对比小结七、会话记忆与多轮对话7.1 为什么需要记忆7.2 记忆的实现方式7.3 各框架的记忆支持八、GAIA 基准与最终项目8.1 什么是 GAIA8.2 GAIA 的三个层级8.3 最终项目：构建你的 GAIA 挑战者九、智能体的可观测性与评估9.1 为什么要关心可观测性9.2 核心概念：Traces 与 Spans9.3 关键监控指标9.4 在线评估 vs 离线评估9.5 LLM-as-a-Judge：用 LLM 当裁判9.6 GSM8K：经典离线评估基准十、Bonus 本文 2 实战：Langfuse 与离线评估10.1 Langfuse 是什么10.2 接入 Langfuse：Instrumentation10.3 利用 LangChain 集成自动追踪10.4 在线评估指标与用户反馈10.5 离线评估：用 Langfuse Datasets 管理测试集10.6 评估的最佳实践总结十一、游戏中的智能体11.1 背景：LLM 如何改变游戏案例一：Covert Protocol（NVIDIA × Inworld AI）案例二：NEO NPCs（Ubisoft 育碧）案例三：Mecha BREAK（NVIDIA ACE 加持）案例四：Suck Up!（Proxima Enterprises）11.2 从 LLM 到 AI Agent：游戏智能体的跃迁11.3 智能体的最大限制：慢（目前）十二、 实战：构建 Pokémon 对战智能体12.1 系统架构：四大组件12.2 组件详解12.3 LLMAgentBase 核心实现12.4 实现你的 TemplateAgent12.5 启动你的对战智能体十三、常见问题解答（FAQ）Q1：Agentic RAG 和传统 RAG 到底有什么区别？Q2：多工具 Agent 中，工具太多会导致模型选错工具吗？Q3：GAIA 排行榜对参赛者有什么要求？Q4：没有 GPU 能做微调和 Agent 开发吗？Q5：Langfuse 是唯一的可观测性工具吗？Q6：LLM-as-a-Judge 可靠吗？Q7：游戏 Agent 未来能实现实时对战吗？一、从单工具智能体到多工具 Agent 系统在前两篇文章中，我们完成了从"手写智能体"到"三大框架"的学习。但真实的业务场景远比"查个天气、算个乘法"复杂——Agent 往往需要同时协调多个工具、检索大规模知识库、处理多轮对话、并保证输出可靠。本篇文章完成三件大事：构建一个真实的 Agentic RAG 系统：以"Alfred 举办晚会"为案例，把"检索知识库 + 网页搜索 + 天气查询 + 实时统计"等多种能力整合进一个智能体，并分别用三大框架实现。挑战 GAIA 基准：了解衡量通用 AI 助手能力的标杆，完成最终项目并冲刺证书。掌握工程化能力与探索前沿：学习智能体的可观测性与评估（在线/离线、LLM-as-a-Judge、Langfuse），并探索"游戏 + 智能体"的前沿方向（构建 Pokémon 对战 AI）。这将是一趟"理论 → 实战 → 评估 → 探索"的完整旅程。二、基础回顾：RAG 与检索增强生成2.1 什么是 RAGRAG（Retrieval-Augmented Generation，检索增强生成）是解决 LLM"知识过时、缺乏私有知识"问题的经典方案。其核心思想是：先检索与问题相关的文档片段，