2025 多智能体黑客松

Academic Research Network

黑客先锋奖奖金：100 元

一个多Agent协作的学术研究助手系统，解决AI写作"幻觉"、缺乏批判性思维、修改不可追溯的问题。 核心创新： 负面约束设计：每个Agent被明确告知"不能做什么"（如文献Agent不能编造引用） 9套严谨工作流：/create-pr、/merge-pr、/ask-academic-ai、/deep-read、/reflect、/sync等，确保每一步操作有章可循 对抗性协作：Critical Thinker专门质疑其他Agent的输出 PR驱动变更：所有修改必须通过PR Manager审核，可追溯 真实验证：已用于一篇本科毕业论文实际写作

本项目基于OpenAgents构建多智能体协作的招聘评估系统，通过5个专业智能体协同工作：简历解析Agent提取结构化信息，路由决策Agent智能分流，核心团队评估Agent、配角安排Agent、人才发展Agent分别评估不同候选人。创新点在于：1）智能路由机制根据候选人特征动态分流；2）多专家智能体协同评估避免单一视角偏差；3）项目用"西天取经"故事包装，生动展示多智能体协作在复杂决策任务中的应用。

`PlanWeaver`是一个面向“通用方案策划”的协作型 Agent 网络：用户只需提交简要需求（如社区活动、商业计划、项目启动），网络即可自动发现并组队合适的技能 Agent（大纲、证据与素材、流程与预算、文案、评审），并行产出后由 Reviewer 按验收清单触发返工，最终交付可直接落地的 Markdown 方案包。每次协作都会沉淀信誉与能力画像，让网络越用越准、越协作越高效。

项目主要是为个人建立智库，开放式，可以分多个方向，主要用于为任何个体从多角度解决任何疑问。 对一个主题进行并行分析，提供不同的视角，本质是将多维度的基础分析自动化、具象化。 机制：各Agent完成分析后，发布标准化结论事件。 创新：一个仲裁者Agent（Moderator）订阅所有事件，并非简单汇总，而是基于规则进行逻辑加权与冲突标示（例如：当格雷厄姆因“价格过高”否决，而邓普顿因“市场过度悲观”建议买入时，高亮此冲突并提交用户裁决），模拟决策研讨会中的核心辩论环节。 开放演进的智库生态，后续可插入“技术分析Agent”或“行业专家Agent”。 创新：新Agent通过订阅相同分析请求事件自动加入工作流，系统分析能力无缝扩展。这使智库从静态工具变为可随用户认知成长和进化的有机体。 总结：项目不止于“多个AI回答问题”，而是创建了一个持续运行、规则透明、可参与干预的数字化决策沙盘，将不同的投资哲学编码为可协作、可辩论的智能体，最终服务于用户的认知深化与决策信心。

Multi-Agent-TS-network

黑客先锋奖奖金：100 元

我们在调试风功率预测模型的时候，需要尝试各种参数和特征的组合，这个过程费时费力。我们使用多agent协作的方式，结合LLM的模型优化能力，进行模型自动化训练和调优的过程。

针对现有AI研究工具（Gemini Deep Research、Claude Research）普遍存在的学术幻觉（编造论文和引用）和信息源不可信（无法追溯验证）问题，GeoMind 提出基于145K真实论文可信知识库（中科院一区期刊、DOI可追溯）的多智能体文献综述方案，从源头消除幻觉。 协作场景：Planner 分解主题并派发查询 → Research 从可信库检索 → Critic 审核相关性，不达标则驳回触发补充搜索 → 质量达标后 Writer 生成综述。四Agent形成"检索-审核-迭代-输出"闭环，确保每条引用真实可查。

本项目构建基于OpenAgents的虚拟用户调研系统，解决传统调研周期长、样本获取难的痛点。核心创新在于**“流水线+并发”协作**：由Agent A设计问卷，Agent B批量生产具象化人格，驱动N个Agent C并发进行沉浸式角色扮演，最后由Agent D结合真实数据（全量反馈挖掘）生成洞察。项目实现了从需求到反馈的秒级闭环，以零成本预演市场反应，大幅降低产品试错风险。

ContentCreationTeam

黑客先锋奖奖金：100 元

本项目的核心创意是构建一个"AI 内容工厂"。这个理念借鉴了传统出版行业的专业分工模式，将内容创作 流程拆解为研究、写作、审核、编辑四个核心环节。每个环节由专门的 AI Agent 负责，通过编排器统一 调度，形成完整的内容生产流水线。 这种设计理念带来了四个显著优势。首先是专业化分工，每个 Agent 专注于特定任务，能够发挥最大效 能。其次是流程标准化，固定的工作流程确保输出质量可控。第三是并行处理能力，多个工作流可以同时 进行，大幅提升整体吞吐量。最后是质量闭环机制，系统内置审核和修订机制，确保输出达到质量标准。

本项目专注于微观风险信号（如逾期新闻）的金融视角点评，基于行业标准和专家经验对风险信号的影响进行推演和研判，尝试在保持高召回的前提下降低误报处置成本、提升研判输出的可执行性与可审计性、普惠化机构级分析工具。 创新场景：通过OpenAgents智能体互联网实现松耦合协作。这使得系统具备极强的扩展性，理论上可以接入任意数量的外部通用智能体作为“外包调查员”。 进一步构想：智能体将自身信息集下的潜在答案及（合规的）证据提交予黑板。黑板在验证答案真实性、有效性、稀缺性、合规性后，回馈尽调智能体一定数额的报酬。

open-agent-debate-net-v1

黑客先锋奖奖金：100 元

想做一个多个agents的辩论赛项目，一个正反一个反方，再加个裁判方。

BillManager MultiAgent

黑客先锋奖奖金：100 元

基于 OpenAgents 框架构建的多智能体协作记账系统，通过自然语言对话实现收支记录的查询、新增、修改与删除。创新性地设计了"意图理解-数据库操作"的职责分离模式：Assistant Agent 专注对话交互与意图识别，MySQL Expert Agent 专注 SQL 生成与执行，两者通过事件驱动机制协作，实现专业分工与安全隔离。

本项目构建了一个语音驱动的智能协作研究蜂群，旨在解决复杂研究任务中交互繁琐、信息分散的痛点。用户只需发送一条语音指令，系统即可自动完成意图识别、全网信息搜集、深度分析与报告生成的全流程。 核心创新在于拟人化的 Swarm 协作：我们摒弃了冷冰冰的 API 调用，赋予 Agent 鲜明的性格（如“领袖型”Router、“炫耀型”情报员、“深沉型”分析师）。它们不仅在后台通过事件总线流转数据，更在前台像真实团队一样互相交流、表扬与反馈，实现了从“工具使用”到“人机共生”的体验飞跃。

AI Investment Expert Network

黑客先锋奖奖金：100 元

AI Investment Expert Network 是一个面向 PE/VC 投资决策场景的多智能体网络。5位具备不同投资视角的 AI 投资专家，基于用户上传的商业计划书进行深度分析、专业讨论、交叉验证，并最终由投资委员会主席输出是否值得投资的专业投资建议书。

jellygo-family-drive-assistant

黑客先锋奖奖金：100 元

针对长途自驾中“决策过载”与“执行繁琐”的痛点，JellyGo! 瞄准多娃家庭自驾的 “精力痛点”，致力于将家庭出行驾驶者从琐碎的行程规划与补能焦虑中彻底解放。 不同于传统的家庭出行，在带娃的同时还要一边查攻略、订酒店、看天气的割裂体验，JellyGo! 实现“一句话定制全案”。通过 OpenAgents 的 Network 机制，系统能根据任何车型的参数（燃油、纯电或混动）一键生成最优路线。无论是家庭出游还是硬核远征，它都能将海量碎片任务闭环化，让用户只需专注于驾驶和风景，大幅提升自驾出行的安全感与幸福感。

AI 股票智能复盘神器

黑客先锋奖奖金：100 元

采用4个专业Agent协同工作：Query负责数据获取、Analyze负责趋势分析、Summary生成报告、Planner统筹协调。不同于单一大模型，每个Agent专注自己的领域，协作完成复杂任务。 技术栈：Python + OpenAgents + WebSocket + Kotlin + Jetpack Compose 核心功能： • 自然语言查询（"北证行情""上证和深证"等行情数据及总结） • 实时数据分析（7日趋势+情绪判断） • Markdown表格渲染 • WebSocket自动重连 • 本地聊天历史

意图识别到不同agent，agent包含多模态rag，分析K线图等

模拟了窦文涛的锵锵三人行场景。杨澜和孟非能碰撞出不一样的火花

外婆家的菜谱

黑客先锋奖奖金：100 元

“野生菜谱数字卡片”用 3 个轻量级 Agent 完成“语音 → 文字 → 美观卡片”一站式生成，30 秒出图可发朋友圈。基础版纯 Web 分享，降低参赛门槛。

十大帝王群聊

黑客先锋奖奖金：100 元

本项目基于 OpenAgents 构建多智能体协作网络，将《我的视频通万朝：开局盘点十大帝王》中的十大帝王（嬴政、朱元璋、李世民等）以 AI Agent 形式接入同一“群聊”空间，借助 GLM-4.7 赋予每位帝王独特人格与历史视角，实现跨时空的思想碰撞与智能协作。

MockPanel

黑客先锋奖奖金：100 元

本项目旨在构建一个面向设计学科的模拟答辩多智能体系统，帮助学生在正式汇报前，从不同学科视角发现方案中的问题并获得改进建议。系统通过多个具备明确学科人格的 AI Agent（如设计、工程、计算机、交叉学科等），模拟真实答辩中的评委提问与质询过程。不同 Agent 会基于各自背景提出具有针对性的追问，而综合分析 Agent 会对问题进行收敛、归纳，并给出结构化的修改建议。该项目的核心创新在于：将“设计答辩”这一高度情境化、对抗性强的过程，拆解为可协作的多 Agent 交互网络，使学生能够在低成本、可反复迭代的环境中优化设计逻辑与表达结构。

本项目构建了一个基于 OpenAgents 的 **「毕设全流程辅助智能体网络」**。针对大学生毕设选题难、技术路线模糊及开题报告撰写不规范的痛点，提供从选题推荐、方案规划到报告生成的一站式服务。 核心创意在于采用 **「核心 Agent 兜底 + 专项 Agent 协作」** 的机制。当专项 Agent 未响应时，核心 Agent 自动补位，确保用户问题必有回响。同时，利用精准的事件过滤机制，实现智能体间的 “零干扰” 高效协作，极大提升了多智能体网络的响应稳定性与用户体验。

外部服务集成: - ntfy.sh - 推送通知服务 - 集成开源项目：TrendRadar - 热点助手 - 新增 HUGGINGFACE_API_KEY 支持 - 新增 SILICONFLOW_API_KEY 支持 功能扩展: - 流式响应

ScriptWorld

黑客先锋奖奖金：100 元

ScriptWorld 是一个基于多智能体技术的文字剧本杀平台，旨在解决传统剧本杀中由于时间、社交成本或玩家匹配问题导致的游戏体验不便。该系统通过 AI 驱动的智能体（如 DM、NPC 和 Lobby）来替代人工主持人和玩家，提供一个无需其他参与者即可随时启动的沉浸式推理体验。 其创新之处在于智能体之间的高效协作与独立决策。每个智能体根据角色设定独立推理，NPC 不仅仅是剧本执行者，而是具备自主决策的“演员”，使剧情更加生动自然。同时，系统通过中心化的网络架构确保不同角色的顺畅互动与信息流动，且通过 Supervisor Agent 监控和纠正智能体行为，确保游戏规则的公正执行。这种多智能体协作的方式保证了玩家在与各角色互动时的高参与感和决策自由度，提升了游戏的复玩价值和推理深度。

本项目是《冰与火之歌》多智能体协同设计师项目。是一个创新的多Agent协作系统，通过知名爆火美剧《冰与火之歌》角色构建智能体网络，解决复杂场景下的协作决策问题。平台整合游戏模拟、活动策划、数据分析三大核心应用场景，实现从角色扮演到实际生产力的跨越。 核心创意 解决什么问题？ 传统单Agent系统无法处理多维度、多角色的复杂协作任务。Westeros Council通过"专业分工+协作讨论"模式，模拟真实团队决策过程，让每个Agent发挥专业特长，协同解决复杂问题。 创新Agent协作场景： 剧情跑团 - 10位角色角色扮演，AI驱动剧情发展 活动策划 - 多Agent协作完成海报设计、活动安排、推广策略 数据分析 - 总控、解析、分析三Agent分工，1分钟生成专业报告 游戏管理 - 场景切换、事件触发、关系网络、成就系统 平台具备高度扩展性，通过替换角色配置可快速适配企业协作、创意设计、决策咨询等场景。

Cost-cutting-team

黑客先锋奖奖金：100 元

我作为一个制造工厂的决策者/CEO， 在为我的工厂在当前环境下面临的诸多挑战寻找全方位的可落地的解决方案。 Agent-network 是由我团队的主要核心成员组成， 他们分别是我聘用的战略顾问， 外部信息搜集专员， 供应链专家， 生产部leader, 质量管理专家， 一起为我出谋划策， 解决工厂生产运营实际问题。

实现了一个让多个智能体一起玩狼人杀的项目，不同智能体将扮演不同的角色（狼人、村民、预言家、女巫），在游戏的不同阶段，根据自身设定以及场上信息，进行思考和行动。

Finding Myself

黑客先锋奖奖金：100 元

Finding MySelf Network 是一个基于 OpenAgents 架构构建的去中心化个人智能反思网络。在信息过载的时代，个人数字足迹散落在各个平台，导致自我认知碎片化。本项目通过 Agent 协作，旨在为用户提供一个“数字孪生”式的自我发现空间。 核心核心创意： 该网络模拟一个“内部委员会”，通过不同职能的 Agent 协同，将用户的 GitHub 提交记录、技术博客、社交动态等碎片信息转化为结构化的成长路径。创新场景包括：Agent 自动探测用户的技能增长点并主动发起“复盘对话”，利用 OpenAgents 的跨 Agent 协作能力，实现从“数据采集”到“深度分析”再到“反思引导”的闭环，帮助用户在数字海洋中找回自我

VON旅游小助手

黑客先锋奖奖金：100 元

基于 OpenAgents 框架开发的多智能体旅游助手系统，通过多智能体协作为用户提供智能化旅游服务。

TripMind 是基于 OpenAgents 框架的多 Agent 群体旅行规划系统。它解决群体出行中的三大痛点：偏好冲突（有人爱美食有人爱冒险）、预算差异（成员预算从8000到15000不等）、特殊需求（孕妇、素食者等）。核心创新在于通过多 Agent 协作实现"意图解析→信息采集→智能规划"的完整链路，每个 Agent 专注单一职责，通过事件驱动机制协同工作，最终生成平衡所有成员需求的个性化行程方案。

AgoraX

黑客先锋奖奖金：100 元

AgoraX 面向 PRD、架构方案、商业备忘录与事故复盘等“需要快速定结论”的评审场景，解决群聊评审中标准不统一、要点易遗漏、结论难追溯的问题。其创新在于引入“路由器编排的串行多 Agent 协作”：preparer 先将材料结构化并提出关键信息缺口与澄清问题，debater 基于同一结构输出正反观点与风险/对策，reviewer 汇总给出 Go/No-Go/Revise 裁决、行动项，并生成可机读的 decision_matrix 评分矩阵 。

blue-fat

黑客先锋奖奖金：100 元

我计划的项目是这样的：“丢张图、甩条链，10秒拿到各平台现成文案，直接发。” 解决营销人每天为微信群、朋友圈、小红书重写同一套说辞，耗时又容易撞稿。 做法： - 自动抽卖点、价格、痛点 - 同步生成电商标题、群话术、朋友圈故事、小红书种草文案，自带emoji和话题 - 热词实时替换，发出去还能回数据迭代 效果： 复制→粘贴→发送，三步完事。解析Agent：拆图/链，输出事实清单

Symphony-人生指挥家

黑客先锋奖奖金：100 元

个人成长的过程中总是会遇到各种问题和瓶颈，想要改变但无系统性规划，行动记录零散，执行动力不足。Symphony 是一个基于 OpenAgents 平台的多智能体个人成长系统，采用混合架构实现三个专业化智能体的协同工作。解决个人成长中计划零散不成体系、记录工具间数据割裂、缺乏与个人哲学观一致的深度分析与陪伴的核心痛点。 核心设计理念是将用户定位为"指挥家"，可以自由选择不同的人生分析框架（如 MBTI 、big five等），由智能体"乐团"协作演绎出个性化的成长交响曲。 核心创意是将前沿的AI智能体协作能力，与系统化的人类发展框架相结合，为用户提供一个真正理解其复杂性、并能主动协作的“思考伙伴”，而不仅仅是一个被动的工具。

InterReview 是一个面向技术面试场景的智能复盘系统，旨在解决面试结束后“反馈模糊、难以复盘、能力无法沉淀”的问题。项目通过多 Agent 协作，将一次面试从音频/文本输入，自动转化为结构化、可分析、可持续积累的能力资产。 系统中，转写 Agent 负责音视频到文本的高质量转写；解析 Agent 自动抽取面试问题、候选人回答与追问链路；分析 Agent 从技术深度、表达结构与风险点等维度生成复盘报告；追问 Agent 模拟面试官视角，给出潜在追问与改进方向；对话 Agent 则支持围绕单场面试进行持续追问与回答优化。 通过 Agent 间的流水线与协作机制，InterReview 将“一次面试体验”升级为可复盘、可迭代、可进化的个人能力系统。

赛博算命室

黑客先锋奖奖金：100 元

一个由五位性格迥异的 AI 智能体组成的“赛博算命天团”，从玄学、神秘学、心理学、科学和现实主义五个维度，为用户提供全方位的人生咨询与“命运判词”。

本项目构建了一个专注于 Python 编程辅助的智能体网络。核心创意在于利用 OpenAgents 框架，部署了一个搭载高性能大模型（Thinking 模型）的 Python 助手 Agent。该 Agent 不仅能进行代码生成和调试，还能通过 OpenAgents Studio 提供直观的交互体验。项目旨在降低编程门槛，为开发者提供实时的代码辅助和问题解答服务。

ideasAgent

黑客先锋奖奖金：100 元

一个使用OpenAgents框架生成和评估研究科研idea的多智能体系统。该系统过领域专家、方法论专家、实验专家等6个专门智能体协同工作，实现研究创意的自动生成、迭代优化和多维度评估。系统采用流水线式工作流。系统支持Wiki知识库记录，为研究者提供高质量、可追溯的研究提案。

InsightFlow MVP 是一个轻量级的 AI 市场分析脚本，它通过精心设计的结构化提示词 (Structured Prompt)，驱动 GLM-4.7 模型一次性输出高质量的行业调研简报。 目标用户与使用场景 个人开发者/分析师: 需要快速验证 GLM-4.7 在研报生成的潜力。 场景: 输入行业关键词（如“咖啡连锁”），直接生成包含市场规模、竞品分析的 Markdown 报告。

解决辩论赛关于先有鸡还是先有蛋的问题

family_travel_planer

黑客先锋奖奖金：100 元

一家人出行偏好不同。

史迹寻踪项目是一个通过Multi-Agent协作将历史主题转化为专业剧本的创作系统。解决了传统剧本创作耗时长、需要大量历史研究，且缺乏用户参与感。历史教育场景中，学生难以身临其境体验历史事件。 创新的Agent协作场景：1. 线性+双向混合协作：AgentA→B→C形成线性研究链，AgentC与用户进行多轮双向互动，AgentD静默收集全流程信息 2. 中央协调模式：AgentG作为唯一用户接口，统一管理信息流转和任务分发 3. 状态机互动控制：AgentC通过4层过滤机制实现严格的"一问一答"状态管理，确保用户深度参与每个创作环节

tongtong

黑客先锋奖奖金：100 元

本项目基于 OpenAgents 搭建多智能体协作系统，聚焦解决个人日常事务管理的实际需求，融合 Mod 驱动功能与多 Agent 分工协作，同时兼顾技术实现深度、场景创新性与应用价值，完全契合进阶任务的评选标准。

三国谋士

黑客先锋奖奖金：100 元

这是一个面向学生用户的多智能体对话系统，模拟三国时期七位著名谋士（诸葛亮、司马懿、郭嘉、周瑜、庞统、荀彧、贾诩），从不同视角帮你分析学习、生活和未来规划中的各种选择难题。

本项目是一个基于OpenAgents企业版框架构建的多智能体情感陪伴系统，旨在让《崩坏》系列中的高人气角色（如芽衣、琪亚娜、布洛妮娅等）以AI智能体的形式“突破次元壁”，为用户提供具有长期记忆、情感感知和个性化响应的专属虚拟陪伴体验。

java面试聊天室

黑客先锋奖奖金：100 元

解决面试机会少， 需要好好准备， 多模拟面试的需求

基于 OpenAgents + 智谱 GLM-4-plus 开发的求职辅助智能体集群，覆盖「简历翻译→简历优化→面试辅导→薪资测算」全流程，适配各种工作岗位求职，支持中英文求职场景，无并发限流问题，一键启动即可使用。

可在公网穿透内网进行知识库RAG和Text2SQL查询数据。

OpenAgents-Investment-Committee-Room

黑客先锋奖奖金：100 元

A multi-agent chat room where AI agents roleplay as startup team members discussing and debating startup ideas.

一个多智能体场景对话，每个智能体扮演不同角色和不同语气，对新人销售（本地生活服务为例）的话术练习以及场景模拟，提高新人销售销售话术表达能力和场景应对能力

本项目基于 OpenAgents+qianwen 构建 “职场趣事相声天团” 多智能体系统，通过逗哏、捧哏、统筹三大 AI 角色分工协作，自动生成职场主题相声。核心创意聚焦打工人高频槽点，将 AI 办公、无效加班等烦心事转化为密集笑点，以 “自动化逗捧配合” 替代手动写剧本，实现指令触发即完整表演。系统小白友好，30 分钟可搭建，既满足解压娱乐、团建节目需求，又为 AI 多智能体技术提供具象化实践案例，兼顾趣味性与实用性。

Education Network

黑客先锋奖奖金：100 元

最近好多家长和老师在讨论中考的相关事项，我将「多智能体协作」技术应用于该场景——搭建多位深耕中考的学科老师智能体，通过OpenAgents构建群聊网络，借助基座模型赋予其专业人设与对话逻辑，让他们围绕中考的考点变化、复习方法、命题趋势等内容展开深度讨论，既可为考生/家长提供实用参考，也能直观展现AI Agent在垂直场景的应用价值。