無限貓報恩 | 無限の恩返し 多代理研究,像貓一樣持續帶回禮物!🐱
快速參考
| 選項 | 值 | 預設值 |
|---|---|---|
topic | 必要 | - |
--depth | quick / normal / deep | normal |
--agents | 1-10 | 5 |
使用方法
/infinite-gratitude "pet AI recognition"
/infinite-gratitude "RAG best practices" --depth deep
/infinite-gratitude "React state management" --agents 3
行為模式
步驟 1:拆分方向
將 {topic} 分為 5 個平行研究方向:
- GitHub 專案
- HuggingFace 模型
- 論文 / 文章
- 競品
- 最佳實踐
步驟 2:派出代理
Task(
prompt="研究 {direction},主題為 {topic}...",
subagent_type="research-scout",
model="haiku",
run_in_background=True
)
步驟 3:收集禮物
將所有發現彙整成結構化報告。
步驟 4:循環
如果有後續問題 → 詢問使用者 → 繼續?→ 回到步驟 2
步驟 5:最終報告
輸出範例
🐾 Infinite Gratitude!
📋 主題:"pet AI recognition"
🐱 派出 5 個代理...
━━━━━━━━━━━━━━━━━━━━━━
🎁 第一波
━━━━━━━━━━━━━━━━━━━━━━
🐱 GitHub:MegaDescriptor, wildlife-datasets...
🐱 HuggingFace:DINOv2, CLIP...
🐱 論文:Petnow 使用 Siamese Network...
🐱 競品:Petnow 99%...
🐱 教學:ArcFace > Triplet Loss...
💡 關鍵:數據量就是一切!
🔍 新問題:
- 如何實作 ArcFace?
- 如何使用 MegaDescriptor?
繼續嗎?(y/n)
🐾 by washinmura.jp
備註
- 使用
haiku模型以節省成本 - 每波最多 5 個代理
- Deep 模式會循環直到滿意為止
其他資源
- 如需代理配置,請參閱 references/agent-config.md
相關技能
- ai-dojo — AI 編碼代理的基礎
- research-scout — 單代理研究
屬於 🥋 AI Dojo 系列,由 Washin Village 🐾 提供