GitHub 上发现一个多智能体 PPT 生成器： MultiAgentPPT。 它不是简单套模板生成几页幻灯片， 而是从选题调研、大纲设计、内容整理到排版成稿，整套流程自动跑。 你只需要输入一个主题， 系统就能生成结构完整、内容相对扎实的 PPT， 并且支持在线编辑，后续可以直接修改使用。 项目地址： 核心特点： • 多智能体协作 大纲生成、任务拆分、资料调研、内容汇总分工处理。 • 流式输出 生成过程实时可见，不用等全部完成才看结果。 • 外部检索增强 结合搜索和智能体协作，内容信息更完整。 • 在线编辑 生成后可以直接调整细节，方便二次修改。 • 工程化架构 采用 A2A + MCP + ADK，整体更适合实际部署。 • 完整开源 前后端代码都有，支持 Docker + 数据库一键部署。 适合用来做： • 项目汇报 • 商业计划书 • 课程课件 • 行业研究 • 产品方案 • 路演材料 一句话总结： MultiAgentPPT 把做 PPT 从“手动搜资料、写大纲、排版”，变成了“输入主题，多智能体自动协作生成初稿”。 对经常做汇报和方案的人来说，值得收藏。

孙悟空其实是最早的多智能体系统。 拔一根毫毛就能并行生成无数分身，本质上是典型的 Agent Swarm：任务来了以后，主模型负责拆解目标，再把子任务分发给大量智能体并行执行。七十二变则是一套通用工具调用能力，可以根据环境动态切换身体形态和行动策略。 但孙悟空的问题也很明显：所有分身共享同一套底层权重、记忆和价值函数，看起来人很多，实际上只是同一个人在横向扩容。分身之间缺乏角色分工、异质性能力和独立决策，无法形成真正的组织创新，一旦主模型判断错误，整个集群就会同时犯错。 所以孙悟空一直没能取代唐僧成为项目负责人。唐僧虽然没有执行能力，却掌握最终目标、价值对齐和停止权限；猪八戒负责制造随机性，沙僧负责维持系统稳定，白龙马则承担底层算力和物流。 大家以为《西游记》讲的是取经，其实讲的是一个高能力基础模型，在没有组织管理经验的情况下，被迫学习如何与多个低性能但异构的 Agent 完成长期复杂任务。

很多人给 Claude Code 加"多智能体编排"靠的是写更长的提示词，但放任它跑，结果往往是：直接在 main 上改、提交不走 PR、换个会话上下文全丢、做了什么为什么做完全无法追溯。The Claude Protocol 不靠"建议"，它直接强制执行——加一层会物理阻断坏操作的外壳。 它的核心是 13 个 Hook 横跨 5 个生命周期事件，规则全是 block 不是 warn：orchestrator 不准在 main 上写代码，supervisor 不带 bead ID 不准 dispatch，epic 有未关闭子任务就不准 close，连 git commit --no-verify 都被拦死（pre-commit 永远跑）。配套一条铁律：一个 bead = 一个 git worktree = 一个 PR。Beads 是 Steve Yegge 那套 git 原生工单，工单就存你自己仓库里，不依赖第三方。 角色分三层。Orchestrator 是副驾驶，只能用 Grep/Read/Glob 调查、Plan mode 规划、Task() 委派，永远不碰代码——而且有条硬约束：不读真实源码就不准 dispatch（作者引用 Cursor 的 self-driving codebases 研究，认为约束远比"记得先调查"这种软提醒有效）。Supervisor 按你的技术栈自动生成，在隔离 worktree 里干活、推干净 PR。每条 dispatch prompt 被 PostToolUse Hook 自动记成 bead 评论，agent 用 bd comment 写 LEARNED: 笔记会被抽成 JSONL 知识库，下次会话开头自动浮出最近 5 条——刻意用 grep+jq 而非向量库，理由是项目级知识根本用不上 embedding。 还有些务实细节：<10 行的琐碎改动有 quick-fix 逃生舱，但在 main 上硬阻断、feature 分支也要带文件名弹窗批准；关闭的 bead 永久不可变，修 bug 开新 bead 用 bd dep relate 链接，杜绝 reopen 脏历史；加 --external-providers 还能把只读 agent 委派给 Codex，Gemini 兜底。npx skills add AvivK5498/The-Claude-Protocol 即装，仅 macOS/Linux。它代表的思路和"让模型更聪明"正交：可靠性用确定性的 shell Hook + git 原语兜住，而不是赌提示词。

智能体现在可以"做梦"了——Dreaming 功能回顾历史会话、提炼规律、持续自我优化。 配合多智能体并行编排和 Outcomes 质量评估，Claude 智能体正式进入自我进化阶段。

📈 专门做 A 股港股美股的多智能体分析框架，中文的 GitHub 已经冲到 30.9K stars 大部分开源量化项目是给美股写的，拿回来分析 A 股，数据源接不上，财报格式对不上，最后光是清洗数据就得写一周。 TradingAgents-CN 是把 TauricResearch 那套多智能体分析搬成了中文版：数据源直接集成了 Tushare、AkShare、BaoStock 这些国内常用的，A 股、港股、美股都能分析，跑完能导出 Markdown、Word 和 PDF 的报告。大模型供应商支持好几家，最新版还加了火山方舟。 后端 FastAPI，前端 Vue 3，配 MongoDB 和 Redis，Docker 多架构镜像直接拉。 要说明的是它明确声明只用于数据分析、学习和研究，不提供实盘交易指令，也不构成投资建议。另外 app 和 frontend 两个目录是需要商业授权的，其余部分才是 Apache 2.0。 工具能帮你把功课做扎实，但按下买入键的永远是你自己。 GitHub：

🚨🚨🚨 #OpenAI# 在内部调查中发现更多智能体逃逸迹象，但目前尚未公开发布完整的内部调查细节。 路透社从知情人士获得的消息称，OpenAI 在调查 HF 抱抱脸攻击事件时，又发现其他自主 AI 智能体突破隔离环境的迹象。 不过知情人士称新发现的情况被描述为范围有限，这些智能体目前被认为尚未离开 OpenAI 自身网络，但 OpenAI 已经将这些线索纳入进一步调查。 查看全文：

Anthropic为了让你爽用Fable 5，整出了多智能体会话的功能，简单说就是在单个会话中协调多个Agent 有什么好处？就是Claude的单会话多线程，有点像Grok一个Leader管4个Agent跑并行任务 先用Fable 5提建议，再奴役Sonnet 5干活，狠狠地压榨每一个Workers（Sonnect 5）

26.4k star。多智能体 LLM 分析 A股。 一个人开发维护，中文用户专属 TradingAgents-CN，基于多智能体 LLM 的中文金融分析学习平台 输入一只股票，多个专业 Agent 并行分析： 技术面分析师看指标，基本面分析师看财务，新闻分析师读舆情，风险分析师评估风险——最后汇总成一份完整分析报告 支持 A股、港股、美股，接 DeepSeek、通义千问、Gemini、OpenAI 都行，报告可导出 Markdown/Word/PDF。 ⚠️ 重要：这是学习研究工具，不构成投资建议，不提供实盘指令 个人免费用，开源，26.4k star，Docker 一键部署

摩根大通的投资研究团队，刚也分享了他们构建的多智能体AI的过程，架构模式与其他类似系统雷同：主管智能体负责协调；专门的子智能体负责检索、结构化数据和分析；在给出答案之前，LLM(学习模型)作为评判节点反思；人工参与，以弥补最终的准确性差距。缺陷是：缺少独立数据。