Кейс · AI · мульти-агент

Рой суб-агентов для авто-аналитики рынка

Агент-координатор порождает специализированных суб-агентов — скрапер, экстрактор, аналитик, репортёр — которые работают параллельно и собирают дневной рыночный отчёт автоматически.

  • Роль Solo build
  • Срок 3 недели
  • Год 2025
  • Стек Python · Claude · LangChain
  • 40+ источников в одном прогоне
  • 6 мин на отчёт вместо 1–2 дней
  • −90% ручного труда аналитика
  • 24/7 автономно, по расписанию
01 · Задача

Задача

Команде нужен был ежедневный обзор рынка, но его готовили вручную — и каждое утро он опаздывал.

Аналитик обходил десятки источников — новостные ленты, биржевые сводки, релизы конкурентов, маркетплейсы — копировал данные в таблицы, чистил их и сводил в один документ. На это уходило один-два дня, к моменту публикации часть цифр уже устаревала, а охват ограничивался тем, что физически успевал один человек.

Нужна была система, которая делает то же самое сама и за минуты: расширяет охват источников, не теряет в качестве и выдаёт готовый отчёт в одном и том же формате каждый день — без участия человека.

02 · Архитектура

Архитектура: рой агентов

Вместо одного «универсального» агента — координатор, который дробит цель на подзадачи и порождает узких суб-агентов. Они работают параллельно, а репортёр сводит результат в единый отчёт.

Multi-agent swarm architecture Coordinator spawns four parallel sub-agents that converge into an output node: a daily report and API. spawn urls facts results Coordinator goal → sub-tasks 01 Scraper crawl · render anti-bot · proxy 02 Extractor parse · structure LLM → JSON 03 Analyst trends · deltas signals 04 Reporter summarize compose — 4 SUB-AGENTS · PARALLEL — Daily Report Telegram · email · API
Flow: goal → coordinator → 4 parallel sub-agents → merged daily report (Telegram / email / API).

Координатор — это управляющий цикл на LangChain: он держит цель, ведёт очередь подзадач в Redis и порождает суб-агентов под каждый тип работы. Каждый суб-агент — узкий специалист с собственным набором инструментов: скрапер рендерит страницы и обходит антибот, экстрактор превращает сырой текст в структурированный JSON через LLM, аналитик считает дельты и выделяет сигналы, репортёр собирает из этого читаемый отчёт.

Десятки источников обрабатываются параллельно, а не по очереди — поэтому весь прогон укладывается в минуты. Состояние и промежуточные данные живут в PostgreSQL, всё упаковано в Docker и запускается по расписанию.

03 · Результаты

Результаты

Что изменилось после запуска роя в продакшене.

40+

источников

Охват за один прогон — против ~10, что успевал человек вручную.

6 мин

полный отчёт

От запуска до готового документа — вместо одного-двух рабочих дней.

−90%

ручного труда

Аналитик переключился со сбора на проверку выводов и решения.

24/7

автономно

Отчёт приходит каждое утро по расписанию, без участия человека.

04 · Стек

Стек

Ядро / агенты

  • Python
  • Claude / LLM
  • LangChain

Данные / сбор

  • Playwright
  • PostgreSQL
  • Redis

Сервис / инфра

  • FastAPI
  • Docker
05 · Как это работает

Как это работает

  1. Координатор получает цель

    На вход — цель прогона и список рынков/источников. Координатор раскладывает её на конкретные подзадачи.

  2. Порождает суб-агентов

    Под каждую подзадачу создаётся узкий суб-агент со своими инструментами — скрапер, экстрактор, аналитик, репортёр.

  3. Работают параллельно

    Суб-агенты одновременно собирают страницы, извлекают факты в JSON и анализируют — десятки источников за минуты.

  4. Репортёр сводит результат

    Репортёр объединяет находки всех агентов, убирает дубли и собирает единый отчёт в заданном формате.

  5. Отчёт уходит адресату

    Готовый отчёт автоматически отправляется в Telegram, на почту или отдаётся через API — по расписанию, 24/7.

Нужен похожий проект?

Соберу AI-агента или рой суб-агентов под вашу задачу — от идеи до автономного прода.