多智能体 on Text Matrix

ViMax：端到端智能视频生成架构深度解析

Wed, 20 May 2026 09:09:49 +0800

ViMax：端到端智能视频生成架构深度解析

项目概览

ViMax（HKUDS/ViMax，5.4k Stars，今日新增 503）是香港大学推出的智能视频生成研究项目，其核心理念是让 AI 不仅能生成视频帧，还要承担导演、编剧、制片和视频生成的全流程角色，实现从创意想法到完整视频的端到端自动化生产。

Agents Towards Production：AI Agent 生产级开发全栈指南

Sun, 17 May 2026 20:10:00 +0800

Agents Towards Production：AI Agent 生产级开发全栈指南

在 LLM 应用从 Demo 走向生产环境的进程中，开发者面临的挑战远比训练一个模型要大得多——状态管理、工具调用、安全边界、多智能体协作、可观测性……每一个环节都可能成为掉链子的那一个。

Shannon：Keygraph 开源 AI 渗透测试框架，从源码分析到真实漏洞利用

Sun, 17 May 2026 20:10:00 +0800

总览：AI 渗透测试真正在解决的问题

传统渗透测试一年一次，但团队每天都在往生产环境推送代码。这一年的安全空窗期，正是 Shannon 想填的坑。

Shannon 是 Keygraph 开发的一个自主化、白盒 AI 渗透测试框架。它的核心逻辑很直接：先读目标应用的源码，识别潜在攻击向量，再通过 Playwright 浏览器自动化对这些向量发起真实攻击，最后只把能被利用的漏洞写进报告——没有 PoC 的漏洞，根本不报告。

AutoAgents：Rust 多智能体框架的模块化设计与生产级实践

Tue, 12 May 2026 13:10:00 +0800

AutoAgents：Rust 多智能体框架的模块化设计与生产级实践

在 LLM 应用开发中，Python 生态已经有 LangChain、LlamaIndex 等成熟框架，但如果对性能、类型安全和内存占用有更严格的要求，Rust 正在成为一个值得关注的选择。AutoAgents 是一个面向生产的 Rust 多智能体框架，通过模块化架构将智能体的构建、工具执行、记忆管理、LLM 后端和多智能体编排整合在一起，同时提供了完整的 Python 绑定，降低了 Rust 上手门槛。

Datawhale hello-agents：44K星从零构建智能体完全指南

Sat, 09 May 2026 03:20:00 +0800

项目概览

hello-agents（https://github.com/datawhalechina/hello-agents）是 Datawhale 社区出品的系统性智能体学习教程，GitHub 星标 44,483，中文编写，完全开源免费。教程目标是帮助读者从「大语言模型的使用者」蜕变为「智能体系统的构建者」。

LobeHub 76K星：多智能体协作平台从入门到精通

Sat, 09 May 2026 03:11:28 +0800

项目概览

LobeHub（https://github.com/lobehub/lobehub）是一个将 Agent 视为工作单元（Agents as the Unit of Work） 的多智能体协作平台，GitHub 星标 76,409，活跃开发者社区，主语言 TypeScript，采用 MIT 开源协议。

RuFlo：让 Claude Code 进化为多智能体协作平台

Mon, 04 May 2026 15:09:55 +0800

项目概览

RuFlo（Stars 39.6k，Forks 4.5k，MIT 许可证）是一个面向 Claude Code 的多智能体（Multi-Agent）编排平台，由 Rust 内核与 TypeScript/Node.js 上层建筑构成。项目原名 Claude Flow，现已更名——“Ru” 来自创始人 ruv 对 Rust 的偏爱和自身昵称，“flo” 则代表心流（Flow）状态。

Ruflo 完全指南：多智能体编排平台从入门到精通

Sat, 02 May 2026 20:03:00 +0800

Ruflo 完全指南：多智能体编排平台从入门到精通

Ruflo（曾用名 Claude Flow）是一个面向 Claude Code 的多智能体编排平台。它在 Claude Code 之上构建了一层完整的基础设施：Agent 团队可以自发组织成蜂群（Swarm）、从任务经验中持续学习、借助向量记忆跨越会话保持上下文，还能通过联邦（Federation）机制与其他机器上的 Agent 安全协作，而用户只需要正常写代码——编排工作在后台自动完成。

jcode：下一代高性能 Coding Agent Harness

Thu, 30 Apr 2026 10:10:11 +0800

jcode：下一代高性能 Coding Agent Harness

jcode 是由独立开发者 1jehuang 构建的 Coding Agent Harness（编码智能体运行框架），项目发布于 2026 年初，目前已在 GitHub 积累 1,403 Stars 和 131 Forks。作者对它的定位是"The next generation coding agent harness to raise the skill ceiling"——一款面向多会话工作流、高度可定制且注重性能天花板的新一代编码智能体框架。

AI Agent架构：Kocoro-lab 9部33章完整指南·从ReAct到企业级多智能体编排

Fri, 24 Apr 2026 21:20:00 +0800

AI Agent架构：Kocoro-lab 9部33章完整指南·从ReAct到企业级多智能体编排

一、项目概述

1.1 这本书讲什么

《AI Agent 架构：从单体到企业级多智能体》（英文名：From Concept to Production: Framework-Agnostic AI Agent Architecture Patterns）是由 Wayland Zhang 撰写的开源书籍，旨在全面讲解 AI Agent 系统设计模式。

AI 量化交易从 0 到 1：ai-quant-book 多智能体量化系统导读

Thu, 23 Apr 2026 21:02:46 +0800

目标读者：希望系统学习量化交易工程、AI Agent 架构与生产化交易系统设计的开发者、研究者和进阶读者 核心问题：ai-quant-book 到底讲了什么、适合谁、值不值得读，以及它对真实量化系统建设有什么可迁移价值难度：⭐⭐⭐（中级） 预计阅读时间：18 分钟

OpenAI Agents SDK：官方多智能体工作流框架——21K Stars的生产级多Agent架构指南

Fri, 17 Apr 2026 16:30:00 +0800

OpenAI Agents SDK：官方多智能体工作流框架

目标读者：LLM应用开发者、AI Agent研究者、企业级AI工作流架构师 前置知识：Python基础、LLM API使用经验、对Agent概念有基本了解 技术栈：Python 3.10+ / OpenAI Responses API / MCP / Pydantic v2 难度定位：⭐⭐⭐⭐ 专家设计

Agentic Video Editor：用多智能体架构重新定义视频剪辑——从创意简报到成品广告的自动化之旅

Fri, 17 Apr 2026 16:10:00 +0800

Agentic Video Editor：用多智能体架构重新定义视频剪辑

目标读者：AI应用开发者、视频内容创作者、对多智能体系统感兴趣的研究者 前置知识：Python基础、对LLM和AI Agent有基本了解 技术栈：Python 3.11+ / Google Gemini ADK / FFmpeg 难度定位：⭐⭐⭐⭐ 专家设计

ValueCell vs TradingAgents：两大开源多智能体金融平台深度对比

Wed, 08 Apr 2026 14:00:00 +0800

目标读者：在 ValueCell 和 TradingAgents 之间做技术选型的开发者，以及希望系统理解两大平台差异的研究者 核心问题：ValueCell 和 TradingAgents 各有什么特点？分别适合什么场景？选哪个更合理？难度：⭐⭐⭐（中级偏高） 预计阅读时间：35 分钟

ValueCell：社区驱动的多智能体金融应用平台完全指南

Wed, 08 Apr 2026 13:00:00 +0800

这篇文章只写可验证事实。

内容依据主要来自 ValueCell 的公开 README、配置文档、官网说明与仓库源码结构。凡是尚未落地、只出现在路线图中的内容，本文都会明确标记为规划或预览，避免把愿景写成现状。

TradingAgents：多智能体 LLM 金融交易框架深度解析

Wed, 08 Apr 2026 12:30:00 +0800

TradingAgents 最值得看的地方，不是“让一个 LLM 直接给出买卖建议”，而是把投研团队里原本混在一起的四件事拆开了：信息采集、观点对抗、交易决策、组合审批。到 2026 年 5 月公开的 v0.2.5，这个项目已经不只是论文配套 Demo。它有 CLI、Python 包、多提供商模型、LangGraph checkpoint、跨运行决策日志和 Docker；但它首先仍是研究框架，不是可以直接接券商账户的实盘执行系统。

TradingAgents-CN：多智能体 AI 量化投资学习平台从入门到精通

Wed, 08 Apr 2026 10:30:00 +0800

目标读者：对 AI 量化投资感兴趣的个人投资者、研究者，以及希望学习多智能体 LLM 金融分析的技术开发者 核心问题：如何基于多智能体架构，使用大语言模型进行合规的股票研究与策略实验？难度：⭐⭐⭐（中级偏高） 预计阅读时间：45 分钟

Shannon：KeygraphHQ 出品的多智能体框架，让 AI 系统具备分层记忆与人类反馈能力

Tue, 07 Apr 2026 15:50:00 +0800

Shannon：KeygraphHQ 出品的多智能体框架，让 AI 系统具备分层记忆与人类反馈能力

概述

Shannon 是由前 DeepMind 团队创立的 KeygraphHQ 开发的一款多智能体框架，专注于构建可扩展、可靠、正确的分布式 AI 系统。与传统 Agent 框架不同，Shannon 创新性地引入了分层记忆系统和人类反馈循环（Human-in-the-Loop），让 AI Agent 不仅能够维护长期上下文，还能接受人类在关键决策点的指导与纠正。

OpenSwarm：基于 Claude Code 的自主式 AI Agent 编排框架完全指南

Sat, 04 Apr 2026 20:32:00 +0800

OpenSwarm：基于 Claude Code 的自主式 AI Agent 编排框架完全指南

项目地址：unohee/OpenSwarm

今日Star：378（+0）| Forks：57 | License：MIT

核心定位：用 Claude Code CLI 驱动的自主式 AI 开发团队编排器，实现 Linear 问题自动采集、Worker/Reviewer 配对执行、Discord 进度汇报、LanceDB 长期记忆

Shannon：生产级多智能体编排框架完全指南

Wed, 01 Apr 2026 10:15:00 +0800

Shannon：生产级多智能体编排框架完全指南

预计阅读时间：40分钟 | 难度：⭐⭐⭐⭐

学习目标

完成本文档后，你将能够：

✅ 理解 Shannon 的定位与核心设计理念
✅ 掌握 Shannon 的四大核心执行策略
✅ 部署和配置 Shannon 开发环境
✅ 使用多种方式与 Shannon 交互（REST API / Python SDK / 桌面应用 / Web UI）
✅ 配置多 LLM 提供商和工具集成
✅ 理解 Swarm 多智能体协作机制
✅ 实施 WASI 沙箱安全代码执行
✅ 配置 Token 预算控制和自动模型降级
✅ 实现 Human-in-the-Loop 审批工作流
✅ 掌握时间旅行调试和问题排查

§2 项目概述

2.1 什么是 Shannon？

Shannon（GitHub 仓库）是一个生产级多智能体编排框架，核心理念是：

Agency Agents：轻量级多智能体工作流框架完全指南

Wed, 01 Apr 2026 01:25:00 +0800

Agency Agents：轻量级多智能体工作流框架完全指南

预计阅读时间：30分钟 | 难度：⭐⭐⭐

§2 项目概述

2.1 什么是 Agency Agents？

Agency Agents（GitHub 仓库）是一个轻量级框架，用于构建具有高级记忆、推理和工具使用的多智能体工作流，基于 Claude API 构建。

ChatDev 2.0 (DevAll)：零代码多智能体开发平台完全指南

Wed, 01 Apr 2026 01:22:00 +0800

ChatDev 2.0 (DevAll)：零代码多智能体开发平台完全指南

预计阅读时间：30分钟 | 难度：⭐⭐⭐⭐

学习目标

完成本文档后，你将能够：

✅ 理解 ChatDev 2.0 的定位与设计理念
✅ 掌握 ChatDev 2.0 的核心功能与使用方法
✅ 部署和配置 ChatDev 2.0 开发环境
✅ 使用 Web 控制台设计和管理工作流
✅ 使用 Python SDK 编程执行工作流
✅ 集成 OpenClaw 实现高级自动化
✅ 扩展和自定义 ChatDev 2.0

§2 项目概述

2.1 什么是 ChatDev 2.0 (DevAll)？

ChatDev 2.0 (DevAll)（GitHub 仓库）是由 OpenBMB 团队开发的零代码多智能体平台，旨在实现"Developing Everything"——通过简单的配置快速构建和执行定制的多智能体系统。

AgentScope：生产级 AI Agent 框架完全指南

Wed, 01 Apr 2026 00:04:44 +0800

AgentScope：生产级 AI Agent 框架完全指南

预计阅读时间：60分钟 | 难度：⭐⭐⭐⭐

一、先给结论：AgentScope 值不值得看

如果你只想要一句判断，那么答案是：值得，而且非常值得认真读官方设计。

截至 2026-04-01，AgentScope 的 GitHub 页面显示约 22.6k Stars、2.3k Forks。它不是一个只会“调模型 + 调提示词”的轻量封装，而是一套面向生产环境的 Agent 开发框架 + 协议集成层 + 运行时生态。

Squad：AI 智能体团队协作框架完全指南

Tue, 31 Mar 2026 12:50:00 +0800

Squad：AI 智能体团队协作框架完全指南

预计阅读时间：30分钟 | 难度：⭐⭐⭐⭐

学习目标

学完本文档后，你将能够：

理解 Squad 的核心理念与价值主张
掌握 Squad 的多智能体协作架构
了解 GitHub Copilot Agent 模式的集成方式
学会在不同项目中初始化和配置 Squad 团队
掌握 15 个 CLI 命令的用法
理解团队决策日志和知识积累机制
学会在交互式 Shell 中与智能体团队协作
掌握 SDK-First 模式用 TypeScript 定义团队
了解 Squad 的扩展机制和插件系统

§2 项目概述

2.1 什么是 Squad

Squad（官方仓库：bradygaster/squad）是一个AI 智能体团队协作框架，通过 GitHub Copilot 的 Agent 模式，让你拥有一个完整的 AI 开发团队——包括前端、后端、测试、架构师等多个专业角色。

MiroFish：55.7k Stars 的群体智能预测引擎，让未来在数字沙盘中预演

Sat, 28 Mar 2026 20:10:00 +0800

MiroFish：55.7k Stars 的群体智能预测引擎，让未来在数字沙盘中预演

目标读者：对 AI 预测、多智能体仿真、数字孪生感兴趣的研究者和开发者 核心问题：如何通过群体智能预测未来走向？难度：⭐⭐⭐⭐（专家设计）来源：GitHub 666ghj/MiroFish，2026-03-28

DeerFlow 2.0：字节跳动 Super Agent Harness 从入门到精通

Sat, 28 Mar 2026 16:20:00 +0800

DeerFlow 2.0：字节跳动 Super Agent Harness 从入门到精通

预计阅读时间：40分钟 | 难度：⭐⭐⭐⭐

目标读者：想要深入理解多智能体编排、可扩展 Agent 技能系统、沙箱隔离执行环境的开发者与研究者 核心问题：如何构建一个可以分解复杂任务、跨会话记忆、多种 IM 渠道接入的可扩展 Super Agent 平台？难度：⭐⭐⭐⭐（专家设计） 预计阅读时间：55 分钟