> ## Documentation Index
> Fetch the complete documentation index at: https://nmem.guoxudong.io/llms.txt
> Use this file to discover all available pages before exploring further.

# AI Now

> 通过五课模拟交互，学习找回上下文、核查证据和保存结果。

<div className="course-meta" aria-label="课程信息">
  <span><Icon icon="book-open" /> 共 5 课</span>
  <span><Icon icon="clock-3" /> 约 25 分钟</span>
  <span><Icon icon="user-round" /> 进阶</span>
</div>

<p className="course-intro">在浏览器中通过模拟交互学习 AI Now：找回保存的上下文、阅读来源、检查证据支持什么，再把结果留给下一次任务。</p>

<a className="course-cta" href="/zh/ai-now/start-a-grounded-task">开始第一课 <span aria-hidden="true">→</span></a>

<Note>
  五课均提供带引导的模拟交互。在电脑浏览器中，第 1 课准备好后点击**开始模拟**，第 2–5 课会自动打开模拟。先用虚构的 Atlas 材料练习，再把流程用于 Nowledge Mem。模拟使用预设回答，不调用 AI 或联网搜索。
</Note>

## 你将完成什么

用虚构的 Atlas 案例练习写出可追溯的简报，再把同一流程用于自己的问题：

<div className="learning-stages" aria-label="工作流程">
  <div className="learning-stage learning-stage-active">
    <span className="learning-stage-mark" aria-hidden="true" />

    <span className="learning-stage-title">提出问题</span>
  </div>

  <div className="learning-stage">
    <span className="learning-stage-mark" aria-hidden="true" />

    <span className="learning-stage-title">加入来源</span>
  </div>

  <div className="learning-stage">
    <span className="learning-stage-mark" aria-hidden="true" />

    <span className="learning-stage-title">核查证据</span>
  </div>

  <div className="learning-stage">
    <span className="learning-stage-mark" aria-hidden="true" />

    <span className="learning-stage-title">调查缺口</span>
  </div>

  <div className="learning-stage">
    <span className="learning-stage-mark" aria-hidden="true" />

    <span className="learning-stage-title">保存结果</span>
  </div>
</div>

虚构案例讨论 Atlas 是否应在下个季度进行一次跨团队计划评审，用现有季度记录检查未来十二个月的依赖。本次不决定今后的评审频率。课程开始时，试行尚未获批。第 1 课提供练习背景，第 2 课提供访谈记录，可以完整跟随案例，也可以替换为自己的问题。

## 从模拟交互开始

从[第 1 课](/zh/ai-now/start-a-grounded-task)开始。第 1–4 课以及第 5 课的起草、保存步骤沿用同一条 Atlas 任务，只有最后的找回验证才新建任务。

每课模拟会准备好所需的示例记忆、来源和此前的对话。第 2–5 课依次带入背景核对、来源阅读、证据简报和模拟研究缺口。这些是预置示例，不是你上次练习的存档；刷新或重练会恢复到本课的起点。无需配置模型。手机端可以阅读步骤，交互练习请使用电脑浏览器。

## 在真实应用中练习前

* 完成 [Essentials 课程](/zh/essentials)。
* 按照[模型提供商指南](https://mem.nowledge.co/zh/docs/llm-providers)配置并测试 AI Now 使用的模型，也可以选择受支持的本地提供商。远程客户端使用所连接 Mem 服务器上的模型配置。
* 准备一条相关记忆和一份来源，或使用第 1–2 课的虚构练习材料。
* 分析过程保持在同一段 AI Now 对话中，最后的找回验证使用新对话。

<Note>
  课程产出是一条可追溯的建议或决定，其中也包含未知项。证据不全时，不必强行下结论。研究时间可能超出各课的估计。
</Note>

## 课程路线

<div className="course-grid">
  <a className="course-card course-card-featured" href="/zh/ai-now/start-a-grounded-task">
    <span className="course-card-index">01</span>
    <h3>开始一个有依据的任务</h3>
    <p>先让 AI Now 找到已有的决定、计划和洞察。</p>
    <div className="course-card-footer"><span>约 5 分钟</span><span className="course-card-action">开始练习 →</span></div>
  </a>

  <a className="course-card course-card-featured" href="/zh/ai-now/bring-a-source">
    <span className="course-card-index">02</span>
    <h3>加入一份来源资料</h3>
    <p>把本次判断需要的原始材料带进任务。</p>
    <div className="course-card-footer"><span>约 5 分钟</span><span className="course-card-action">开始练习 →</span></div>
  </a>

  <a className="course-card course-card-featured" href="/zh/ai-now/ask-for-an-evidence-brief">
    <span className="course-card-index">03</span>
    <h3>请求证据简报</h3>
    <p>将已有事实、假设和未知项分开。</p>
    <div className="course-card-footer"><span>约 5 分钟</span><span className="course-card-action">开始练习 →</span></div>
  </a>

  <a className="course-card course-card-featured" href="/zh/ai-now/research-what-is-missing">
    <span className="course-card-index">04</span>
    <h3>研究仍然缺少的部分</h3>
    <p>选择调查一个缺口的方式，并核对找到的证据。</p>
    <div className="course-card-footer"><span>约 5 分钟</span><span className="course-card-action">开始练习 →</span></div>
  </a>

  <a className="course-card course-card-featured" href="/zh/ai-now/save-the-result">
    <span className="course-card-index">05</span>
    <h3>保存结果</h3>
    <p>保存核对后的结果，再用新任务找回记录、重读来源。</p>
    <div className="course-card-footer"><span>约 5 分钟</span><span className="course-card-action">开始练习 →</span></div>
  </a>
</div>

## 选择调查路线

第 4 课模拟未取得公开证据的结果，用于练习记录缺口和选择下一步。在真实应用中，按缺口选择方式：团队自身的事实通过内部跟进核实，公共证据用 Deep Research 调查。保留开放问题并明确下一步，也能完成核心流程。要练习 Deep Research 本身，需要实际运行研究请求并检查返回的来源，或记录本次研究未找到相关证据。只规划跟进步骤，还不算完成研究实操。

## 深入了解

阅读 Nowledge Mem Docs 的 [AI Now](https://mem.nowledge.co/zh/docs/ai-now) 和 [Library](https://mem.nowledge.co/zh/docs/library)。