全部文档 / 作者: Akshay / 标签: 多智能体

使用 Seltz 构建多智能体 GTM 情报系统

文章介绍了如何使用 CrewAI、OpenRouter 和 Seltz MCP 服务器构建一个多智能体 GTM（市场进入）研究管道。文章指出 GTM 研究的核心难题在于“连接问题”：触发信号（如新高管入职、融资）与人员背景信息分散在不同数据源中，传统搜索 API 只返回片段，需要大量抓取和拼装。Seltz 作为面向此场景的网络索引，单次调用即可返回完整结构化记录。管道由三个 Agent 组成：Signal Hunter 搜索目标公司的触发事件，People Enricher 获取相关人员的完整职业记录，Outreach Strategist 合并两者输出，生成带个性化首句的排序外联名单。

技术 › Agent

Akshay 2026-08-2411.0 KB 33.1K 173 81

Hermes Agent 进阶指南：从架构原理到构建自进化的多智能体系统

本文深入介绍了 Nous Research 开源项目 Hermes Agent。文章详细解析了其独特的“学习闭环”架构，该架构结合了三层持久化内存、自进化技能系统以及 GEPA 优化引擎，解决了传统 Agent 随会话结束而遗忘的问题。文中还将 Hermes 与 OpenClaw 进行了对比，并提供了从零开始配置多个个性化 Agent（程序员、研究员、设计师）的实战教程，旨在帮助开发者打造能够 24/7 运行且持续学习的个人 AI 队伍。

技术 › Hermes

Akshay 2026-05-2856.5 KB 5.8M 6.5K 88

Agent Hermes 自进化 LLM 开发者工具系统架构教程 Nous Research GEPA 多智能体

代理工具的解剖结构

文章深入剖析了将无状态 LLM 转变为功能强大的智能体所需的“代理框架”基础设施。内容涵盖编排循环、工具工程、内存、上下文管理、安全护栏及子代理编排等 12 个核心组件。文章对比了 Anthropic、OpenAI 和 LangChain 的实现策略，指出生产级应用的关键在于模型周围的工程架构，而非模型本身。

技术 › Agent

Akshay 2026-04-0719.7 KB 2.7M 3.5K 92

Agent LLM 架构设计 OpenAI LangChain Claude 工程化上下文管理工具调用多智能体