我如何编排19个专门AI代理，跨86个数据源生成销售情报报告（每份报告约97次LLM调用）

构建了一个名为Recon的多代理系统，用于生成深度潜在客户研究报告。认为这个架构可能对这个社区很有意思。代理专业化：19个代理各自负责一个特定的研究领域——竞争情报、财务取证、购买委员会映射、心理画像（13个维度）、参与策略等等。它们不仅仅是检索数据——还会分析、交叉引用和综合。数据来源：86个不同来源，包括SEC文件、财报电话会议记录、专利数据库、招聘信息（招聘信号）、技术栈检测器、社交信号、新闻情感等等。编排：大脑（编排器）根据对目标公司的已知信息和存在的情报缺口来协调部署哪些代理。一份报告总共运行约97次LLM调用。每个专业代理独立运作，但编排器将它们的输出综合成连贯的情报。我们解决的关键挑战： - 无瓶颈的代理协调（带依赖感知的并行执行） - 来源归因（每项声明都可追溯到86个来源中的哪一个产生了它） - 冲突信号处理（当来源不一致时） - 平衡深度与速度（几分钟内完成完整报告，而不是几小时） - 防止综合输出中的幻觉 技术栈：Electron + React 前端，Fastify + Prisma 后端，BullMQ 用于任务编排。很高兴深入探讨架构的任何部分。如果你想看输出，私信我。