关于多智能体编排的笔记。
深入探讨目标驱动的任务 DAG、混合模型团队，以及 TypeScript 智能体生态。
从转录稿到带类型的待办项：用 TypeScript 跑三个并行智能体
多数会议纪要工具把摘要、待办项、情绪分析全塞进一个 LLM 提示里。这里有个更干净的 TypeScript 写法：三个专职智能体并行跑，其中两个返回带类型的 Zod 输出，再由一个聚合器把它们合并成一份报告。
目标进，DAG 出：open-multi-agent 如何把一个目标变成任务 DAG
多数 TypeScript 智能体框架都要你手工接线任务图。open-multi-agent 的 runTeam() 把目标交给一个协调器，由它替你构建 DAG——这篇一步步讲清这个机制。
用 TencentDB-Agent-Memory 给你的 TypeScript AI 智能体加上长期记忆
把 open-multi-agent 的 MemoryStore 通过 Hermes Gateway 接到 TencentDB-Agent-Memory：一个端到端实测的跨运行记忆闭环，以及两个决定到底有没有东西被存下来的上游坑。
目标驱动的智能体编排 vs 显式图：一份 TypeScript 框架分类法
多数多智能体框架评测比的是功能。这篇换一个轴来比：框架把拆解的成本放在哪里。目标优先的框架在运行时用 token 付，图优先的框架在设计期用代码付。
多智能体框架会撞上的 5 堵墙：来自 Mastra 那一年从 .network() 迁到 Supervisor 的实录
Mastra 花了一年把 .network() 迁到 Supervisor 模式。撞上 5 堵工程之墙（上下文、路由、可观测性、嵌套、性能），18 个 GitHub issue 为证。这对 TypeScript 多智能体框架开发意味着什么。
如何用 TypeScript 跑一支混合模型的 AI 智能体团队？
一篇实操走查：从单模型团队基线，到带实时成本与延迟监控的多供应商生产配置，用的是 open-multi-agent——TypeScript 生态里对标 CrewAI 的那个答案。
给 Vercel AI SDK 应用加上多智能体编排
给现有的 Vercel AI SDK 应用加上多智能体编排：AI SDK 负责流式输出 token、对接模型，open-multi-agent 的 runTeam() 负责拆解目标、协调各个智能体——两者共用同一个 Next.js API 路由。