![hhhx402's tweet photo. 「Swarms Architectures」
之「从技术上帮你拿住Swarms 」
内容包含主要包含:
- Swarms架构解析
- MCS架构解析
这是一条完整介绍Swarms的代码的Thread，写这条Thread的原因是最近 #Swarms 的创始人被Shaw指责没有编写代码的能力推特火了之后，推特上很多人都在浅浅看看代码之后说Swarms的代码很烂，而且很多朋友也来询问我关于Swarms 技术的问题，这两天花了很多时间把基本上所有代码完整的看了一遍就有了这条Thread，客观的叙述下Swarms
@swarms_corp 架构如下:
整体的架构图如下：
1. Swarms的Agent的设计该有的功能都有，也就是跟ElizaOs一样都支持了Memory,Tool,LLM,Evaluator, 同时Tool的设计上也都是采用了类似ElizaOS对应的注册表的方式。
--------- Swarm Framework ---------
2.在Agent之上是对应的Swarm Framework,用于协调多个Agent之间的工作，目前Swarms已经实现的Swarm Framework有：
1️⃣ MajorityVoting，相当于多个不同的Agent同时执行一个task,最后会通过投票的方式选择一个最佳答案进行回复，最多得票数的回复会被采用；其实也很想区块链的Pos共识机制，挺有趣的
2️⃣ AgentRearrange，是一个很灵活的Swarm框架，比如我们现在有三个不同的Agent A,B,C,D ; 然后假设有一个任务希望 按照 task -> A -> B -> C -> D的方式被处理，即A先处理这个任务然后交给B处理再给C处理接着给D处理，那么我们只需要在WorkFlow里这么定义 workflow = " A -> B -> C -> D", 然后初始化这个AgentRearrange并且运行，如下所示：
AgentRearrange(agents = [A,B,C,D],workflow = " A -> B -> C -> D").run(task)
我们就可以拿到按照我们规定的工作方式最后产生的结果
同时如果我们把WorkFlow定义成 A -> B,C -> D，那么A执行task之后，B、C会同时执行任务，最后D再执行任务，所以这是一个可以通过WorkFlow实现灵活定义整个工作流的Swarm模式
3️⃣ GraphFlow，则相比AgentRearrange还有支持更复杂的工作流关系，可以任意设计整个工作流的之间的依赖关系
4️⃣ GroupChat 则是让多个Agent进行多轮对话，最终通过多轮对话不断完善要完成的任务内容，从而让结果更可靠更详尽
4️⃣ MixtureOfAgents 则是多个Agent同时工作，最后有一个Agent负责总结所有的工作，并产生最终的输出
5️⃣ RoundRobin则是通过轮询的方式让每个Agent平等的参加工作
6️⃣ ForestSwarm则是可以支持多个层级的Agent关系，所以就想树有很多枝干一样，ForestSwarm就是一个巨大的Agent节点构成的网络，因为起名叫做森林
7️⃣还有MultiAgentRouter也是我们介绍过的BossAgent
ConcurrentWorkflow，支持多个AI Agent同时执行同一个任务
8️⃣ AsyncWorkflow， 多个AI Agent异步执行任务，因此这里需要用到ShareMemory来记录任务产生的数据，同时还有复杂的SpeakSystem
关于Swarm的总结：
Swarm Framework这一层其实需要管理不同的组件，ShareMemory, WorkFlow和 OutputManager, TaskAssigner ，因为总结上面这些不同的Swarm Model，我们会发现当我们想协调多个Agent共同工作的时候我们需要考虑以下几个问题:
1. 决定任务交给谁做 (TaskAssigner)
2. 怎么协调Agent参与工作的先后顺序 (WorkFlow)
3. 怎么管理任务执行之后产生的输出(Output Manager)
4. 异步执行的时候怎么传递一些状态给其他相关任务(ShareMemory)
-------- Swarms Framework ---------
Swarm再上层就是Swarms Framework了，用于协调多个Swarm之间的工作，目前主要支持两种
1️⃣SwarmRouter
通过 「Word Vector」比较的方式选择最合适的Swarm Model进行执行task
2️⃣SwarmRearrange
也可以通过类似定义 workflow 的方式，直接协调多个 Swarm 进行工作
最后我想再强调一下一个Agent是可以在不同的Swarm下直接工作的，所以这里所有的Agent都会由AgentRegistry进行管理，从而能在不同Swarm下尽可能多的复用。
-------- 总结 --------
最终Swarms产生的结果就是，任何Agent协作场景你都能在Swarms上找到开箱即用的协作方式，而即便是更复杂的场景也可以通过不同Swarms之间的配合来实现，因此ElizaOS开启了Web3 Agent Framework的赛道，而Swarms会对Web3 Agent Swarm 领域有很大的贡献要，当然现在的代码还不够完美，但是很明显随着越来越多开发者来到Swarms生态我们可以一起把这些很前沿的代码Build到最好
---------- Mcs 架构分析-----------
目前Swarms生态也开始起来，我觉得会爆发出巨大的力量，就比如 Swarms 生态的龙一 #mcs 的核心代码不过百来行，核心是通过 AgentRearrange的Swarm Model协调四个agent之间的工作，而且当时Kye搞 @mcs_swarm 核心的目的就是想证明Swarms行！
1. 核心架构与Agent：
主要Agent：
- 首席医疗官(Chief Medical Officer)：协调整个团队，收集症状，形成鉴别诊断
- 医疗编码员(Medical Coder)：分配 ICD-10 代码，确保编码合规
- 诊断合成器(Synthesizer)：整合所有发现生成最终诊断评估
- 治疗智能体(Treatment Agent)：根据效果和成本推荐治疗方案
- 实验室匹配器(Lab Matcher)：匹配诊断与实验室检查，提供参考范围
定义Workflow: `首席医疗官 -> 医疗编码员 -> 诊断合成器 -> 治疗智能体`
2. 协调机制：
并通过上面介绍的AgentRearrange 方式来实现协调多个Agent工作
3. 工作流程
同时每轮执行前会从数据库中拿取该任务所需要的对应数据
推荐大家实际使用下 mcs 来感受下 https://t.co/pUsMI5x6ov
所以对于 Swarms来说，一切肯定都不是最好的，但是足够好了，对于现在有这么一个开箱即用的框架也很棒了,Swarms的框架初看会觉得很一般，再看会逐渐发现里面一些 @KyeGomezB 关于Swarm很深的一些思考，是很有价值的](https://pbs.twimg.com/media/Ggqi1ufbkAA_kp5.jpg)
![hhhx402's tweet photo. 「Swarms Architectures」
之「从技术上帮你拿住Swarms 」
内容包含主要包含:
- Swarms架构解析
- MCS架构解析
这是一条完整介绍Swarms的代码的Thread，写这条Thread的原因是最近 #Swarms 的创始人被Shaw指责没有编写代码的能力推特火了之后，推特上很多人都在浅浅看看代码之后说Swarms的代码很烂，而且很多朋友也来询问我关于Swarms 技术的问题，这两天花了很多时间把基本上所有代码完整的看了一遍就有了这条Thread，客观的叙述下Swarms
@swarms_corp 架构如下:
整体的架构图如下：
1. Swarms的Agent的设计该有的功能都有，也就是跟ElizaOs一样都支持了Memory,Tool,LLM,Evaluator, 同时Tool的设计上也都是采用了类似ElizaOS对应的注册表的方式。
--------- Swarm Framework ---------
2.在Agent之上是对应的Swarm Framework,用于协调多个Agent之间的工作，目前Swarms已经实现的Swarm Framework有：
1️⃣ MajorityVoting，相当于多个不同的Agent同时执行一个task,最后会通过投票的方式选择一个最佳答案进行回复，最多得票数的回复会被采用；其实也很想区块链的Pos共识机制，挺有趣的
2️⃣ AgentRearrange，是一个很灵活的Swarm框架，比如我们现在有三个不同的Agent A,B,C,D ; 然后假设有一个任务希望 按照 task -> A -> B -> C -> D的方式被处理，即A先处理这个任务然后交给B处理再给C处理接着给D处理，那么我们只需要在WorkFlow里这么定义 workflow = " A -> B -> C -> D", 然后初始化这个AgentRearrange并且运行，如下所示：
AgentRearrange(agents = [A,B,C,D],workflow = " A -> B -> C -> D").run(task)
我们就可以拿到按照我们规定的工作方式最后产生的结果
同时如果我们把WorkFlow定义成 A -> B,C -> D，那么A执行task之后，B、C会同时执行任务，最后D再执行任务，所以这是一个可以通过WorkFlow实现灵活定义整个工作流的Swarm模式
3️⃣ GraphFlow，则相比AgentRearrange还有支持更复杂的工作流关系，可以任意设计整个工作流的之间的依赖关系
4️⃣ GroupChat 则是让多个Agent进行多轮对话，最终通过多轮对话不断完善要完成的任务内容，从而让结果更可靠更详尽
4️⃣ MixtureOfAgents 则是多个Agent同时工作，最后有一个Agent负责总结所有的工作，并产生最终的输出
5️⃣ RoundRobin则是通过轮询的方式让每个Agent平等的参加工作
6️⃣ ForestSwarm则是可以支持多个层级的Agent关系，所以就想树有很多枝干一样，ForestSwarm就是一个巨大的Agent节点构成的网络，因为起名叫做森林
7️⃣还有MultiAgentRouter也是我们介绍过的BossAgent
ConcurrentWorkflow，支持多个AI Agent同时执行同一个任务
8️⃣ AsyncWorkflow， 多个AI Agent异步执行任务，因此这里需要用到ShareMemory来记录任务产生的数据，同时还有复杂的SpeakSystem
关于Swarm的总结：
Swarm Framework这一层其实需要管理不同的组件，ShareMemory, WorkFlow和 OutputManager, TaskAssigner ，因为总结上面这些不同的Swarm Model，我们会发现当我们想协调多个Agent共同工作的时候我们需要考虑以下几个问题:
1. 决定任务交给谁做 (TaskAssigner)
2. 怎么协调Agent参与工作的先后顺序 (WorkFlow)
3. 怎么管理任务执行之后产生的输出(Output Manager)
4. 异步执行的时候怎么传递一些状态给其他相关任务(ShareMemory)
-------- Swarms Framework ---------
Swarm再上层就是Swarms Framework了，用于协调多个Swarm之间的工作，目前主要支持两种
1️⃣SwarmRouter
通过 「Word Vector」比较的方式选择最合适的Swarm Model进行执行task
2️⃣SwarmRearrange
也可以通过类似定义 workflow 的方式，直接协调多个 Swarm 进行工作
最后我想再强调一下一个Agent是可以在不同的Swarm下直接工作的，所以这里所有的Agent都会由AgentRegistry进行管理，从而能在不同Swarm下尽可能多的复用。
-------- 总结 --------
最终Swarms产生的结果就是，任何Agent协作场景你都能在Swarms上找到开箱即用的协作方式，而即便是更复杂的场景也可以通过不同Swarms之间的配合来实现，因此ElizaOS开启了Web3 Agent Framework的赛道，而Swarms会对Web3 Agent Swarm 领域有很大的贡献要，当然现在的代码还不够完美，但是很明显随着越来越多开发者来到Swarms生态我们可以一起把这些很前沿的代码Build到最好
---------- Mcs 架构分析-----------
目前Swarms生态也开始起来，我觉得会爆发出巨大的力量，就比如 Swarms 生态的龙一 #mcs 的核心代码不过百来行，核心是通过 AgentRearrange的Swarm Model协调四个agent之间的工作，而且当时Kye搞 @mcs_swarm 核心的目的就是想证明Swarms行！
1. 核心架构与Agent：
主要Agent：
- 首席医疗官(Chief Medical Officer)：协调整个团队，收集症状，形成鉴别诊断
- 医疗编码员(Medical Coder)：分配 ICD-10 代码，确保编码合规
- 诊断合成器(Synthesizer)：整合所有发现生成最终诊断评估
- 治疗智能体(Treatment Agent)：根据效果和成本推荐治疗方案
- 实验室匹配器(Lab Matcher)：匹配诊断与实验室检查，提供参考范围
定义Workflow: `首席医疗官 -> 医疗编码员 -> 诊断合成器 -> 治疗智能体`
2. 协调机制：
并通过上面介绍的AgentRearrange 方式来实现协调多个Agent工作
3. 工作流程
同时每轮执行前会从数据库中拿取该任务所需要的对应数据
推荐大家实际使用下 mcs 来感受下 https://t.co/pUsMI5x6ov
所以对于 Swarms来说，一切肯定都不是最好的，但是足够好了，对于现在有这么一个开箱即用的框架也很棒了,Swarms的框架初看会觉得很一般，再看会逐渐发现里面一些 @KyeGomezB 关于Swarm很深的一些思考，是很有价值的](https://pbs.twimg.com/media/Ggqh8zEawAEhPLo.png)
Olivia
Online
甜馨🦄️
@duo168
🙈
Wan Chai District, Hong Kong
Joined May 2017
687 Following
208 Followers
234 Posts
@zerohedge 我居然觉得这紫色夜空有点美
@a_penny8 没有赋能okb
@Cryptosuiyue 188了 惊不惊喜？
@Mirro7777 现在300K 便宜不
@FinanceYF5 可以背着我爬不？这是我比较关心的😀
特朗普老婆发了$Melania之后，感觉市场的情绪就不对了，用四个字来形容，就是精疲力尽。好像大家都已经很累了，又都还在全力奔跑。
本来对$Trump的解读，应该是正面积极为主，代表美国总统对加密货币的一种认可，即使踏空的人，也期待这件事开启一个新的时代。
但是没过多久他老婆又发了一个币，事情就变得很微妙了，包括我自己到现在也没想明白这个行为的意图到底是什么，哪怕纯粹为了捞一笔快钱，收益恐怕也不如做大做稳$Trump这个币吧，毕竟两者的市值差了十倍。
链上更是妖魔鬼怪横行，我这几天基本是休息状态，看见不错的叙事就随缘买一些，但是最后基本都是亏钱，而且纳斯达克和巴西总统那种雷我还已经躲过去了。
一方面说明，现在链上节奏越来越快，想赚到超额收益还是需要投入时间和精力的，另一方面也说明，这几天没有太多持续性强的项目，大部分币都是极速推到几十M，然后极速下跌。
本来对后市是比较乐观的，现在也有些看不懂了。还是时刻提醒自己，牛市最难的是止盈，落袋才是真的。
Bring back Vine?
@ChandlerGuo 没事250
These AI-related tokens received the highest inflow from Smart Money in the last 24 hours:
1. $Fartcoin
2. $SWARMS
3. $ARC
4. $AIOS
5. $AI16Z
6. $HYPER
7. $LLM
8. $GRIFFAIN
9. $ANON
10. $GRIFT
I also believe that the tokens which demonstrated resilience during the general market drop caused by $TRUMP will show 10x strength in the near future.
data: @nansen_ai
@cyberpunk20077 @awen2357 迁移到以太坊上的其他吗？
「Swarms Architectures」
之「从技术上帮你拿住Swarms 」
内容包含主要包含:
- Swarms架构解析
- MCS架构解析
这是一条完整介绍Swarms的代码的Thread，写这条Thread的原因是最近 #Swarms 的创始人被Shaw指责没有编写代码的能力推特火了之后，推特上很多人都在浅浅看看代码之后说Swarms的代码很烂，而且很多朋友也来询问我关于Swarms 技术的问题，这两天花了很多时间把基本上所有代码完整的看了一遍就有了这条Thread，客观的叙述下Swarms
@swarms_corp 架构如下:
整体的架构图如下：
1. Swarms的Agent的设计该有的功能都有，也就是跟ElizaOs一样都支持了Memory,Tool,LLM,Evaluator, 同时Tool的设计上也都是采用了类似ElizaOS对应的注册表的方式。
--------- Swarm Framework ---------
2.在Agent之上是对应的Swarm Framework,用于协调多个Agent之间的工作，目前Swarms已经实现的Swarm Framework有：
1️⃣ MajorityVoting，相当于多个不同的Agent同时执行一个task,最后会通过投票的方式选择一个最佳答案进行回复，最多得票数的回复会被采用；其实也很想区块链的Pos共识机制，挺有趣的
2️⃣ AgentRearrange，是一个很灵活的Swarm框架，比如我们现在有三个不同的Agent A,B,C,D ; 然后假设有一个任务希望 按照 task -> A -> B -> C -> D的方式被处理，即A先处理这个任务然后交给B处理再给C处理接着给D处理，那么我们只需要在WorkFlow里这么定义 workflow = " A -> B -> C -> D", 然后初始化这个AgentRearrange并且运行，如下所示：
AgentRearrange(agents = [A,B,C,D],workflow = " A -> B -> C -> D").run(task)
我们就可以拿到按照我们规定的工作方式最后产生的结果
同时如果我们把WorkFlow定义成 A -> B,C -> D，那么A执行task之后，B、C会同时执行任务，最后D再执行任务，所以这是一个可以通过WorkFlow实现灵活定义整个工作流的Swarm模式
3️⃣ GraphFlow，则相比AgentRearrange还有支持更复杂的工作流关系，可以任意设计整个工作流的之间的依赖关系
4️⃣ GroupChat 则是让多个Agent进行多轮对话，最终通过多轮对话不断完善要完成的任务内容，从而让结果更可靠更详尽
4️⃣ MixtureOfAgents 则是多个Agent同时工作，最后有一个Agent负责总结所有的工作，并产生最终的输出
5️⃣ RoundRobin则是通过轮询的方式让每个Agent平等的参加工作
6️⃣ ForestSwarm则是可以支持多个层级的Agent关系，所以就想树有很多枝干一样，ForestSwarm就是一个巨大的Agent节点构成的网络，因为起名叫做森林
7️⃣还有MultiAgentRouter也是我们介绍过的BossAgent
ConcurrentWorkflow，支持多个AI Agent同时执行同一个任务
8️⃣ AsyncWorkflow， 多个AI Agent异步执行任务，因此这里需要用到ShareMemory来记录任务产生的数据，同时还有复杂的SpeakSystem
关于Swarm的总结：
Swarm Framework这一层其实需要管理不同的组件，ShareMemory, WorkFlow和 OutputManager, TaskAssigner ，因为总结上面这些不同的Swarm Model，我们会发现当我们想协调多个Agent共同工作的时候我们需要考虑以下几个问题:
1. 决定任务交给谁做 (TaskAssigner)
2. 怎么协调Agent参与工作的先后顺序 (WorkFlow)
3. 怎么管理任务执行之后产生的输出(Output Manager)
4. 异步执行的时候怎么传递一些状态给其他相关任务(ShareMemory)
-------- Swarms Framework ---------
Swarm再上层就是Swarms Framework了，用于协调多个Swarm之间的工作，目前主要支持两种
1️⃣SwarmRouter
通过 「Word Vector」比较的方式选择最合适的Swarm Model进行执行task
2️⃣SwarmRearrange
也可以通过类似定义 workflow 的方式，直接协调多个 Swarm 进行工作
最后我想再强调一下一个Agent是可以在不同的Swarm下直接工作的，所以这里所有的Agent都会由AgentRegistry进行管理，从而能在不同Swarm下尽可能多的复用。
-------- 总结 --------
最终Swarms产生的结果就是，任何Agent协作场景你都能在Swarms上找到开箱即用的协作方式，而即便是更复杂的场景也可以通过不同Swarms之间的配合来实现，因此ElizaOS开启了Web3 Agent Framework的赛道，而Swarms会对Web3 Agent Swarm 领域有很大的贡献要，当然现在的代码还不够完美，但是很明显随着越来越多开发者来到Swarms生态我们可以一起把这些很前沿的代码Build到最好
---------- Mcs 架构分析-----------
目前Swarms生态也开始起来，我觉得会爆发出巨大的力量，就比如 Swarms 生态的龙一 #mcs 的核心代码不过百来行，核心是通过 AgentRearrange的Swarm Model协调四个agent之间的工作，而且当时Kye搞 @mcs_swarm 核心的目的就是想证明Swarms行！
1. 核心架构与Agent：
主要Agent：
- 首席医疗官(Chief Medical Officer)：协调整个团队，收集症状，形成鉴别诊断
- 医疗编码员(Medical Coder)：分配 ICD-10 代码，确保编码合规
- 诊断合成器(Synthesizer)：整合所有发现生成最终诊断评估
- 治疗智能体(Treatment Agent)：根据效果和成本推荐治疗方案
- 实验室匹配器(Lab Matcher)：匹配诊断与实验室检查，提供参考范围
定义Workflow: `首席医疗官 -> 医疗编码员 -> 诊断合成器 -> 治疗智能体`
2. 协调机制：
并通过上面介绍的AgentRearrange 方式来实现协调多个Agent工作
3. 工作流程
同时每轮执行前会从数据库中拿取该任务所需要的对应数据
推荐大家实际使用下 mcs 来感受下 https://t.co/pUsMI5x6ov
所以对于 Swarms来说，一切肯定都不是最好的，但是足够好了，对于现在有这么一个开箱即用的框架也很棒了,Swarms的框架初看会觉得很一般，再看会逐渐发现里面一些 @KyeGomezB 关于Swarm很深的一些思考，是很有价值的
![hhhx402's tweet photo. 「Swarms Architectures」
之「从技术上帮你拿住Swarms 」
内容包含主要包含:
- Swarms架构解析
- MCS架构解析
这是一条完整介绍Swarms的代码的Thread，写这条Thread的原因是最近 #Swarms 的创始人被Shaw指责没有编写代码的能力推特火了之后，推特上很多人都在浅浅看看代码之后说Swarms的代码很烂，而且很多朋友也来询问我关于Swarms 技术的问题，这两天花了很多时间把基本上所有代码完整的看了一遍就有了这条Thread，客观的叙述下Swarms
@swarms_corp 架构如下:
整体的架构图如下：
1. Swarms的Agent的设计该有的功能都有，也就是跟ElizaOs一样都支持了Memory,Tool,LLM,Evaluator, 同时Tool的设计上也都是采用了类似ElizaOS对应的注册表的方式。
--------- Swarm Framework ---------
2.在Agent之上是对应的Swarm Framework,用于协调多个Agent之间的工作，目前Swarms已经实现的Swarm Framework有：
1️⃣ MajorityVoting，相当于多个不同的Agent同时执行一个task,最后会通过投票的方式选择一个最佳答案进行回复，最多得票数的回复会被采用；其实也很想区块链的Pos共识机制，挺有趣的
2️⃣ AgentRearrange，是一个很灵活的Swarm框架，比如我们现在有三个不同的Agent A,B,C,D ; 然后假设有一个任务希望 按照 task -> A -> B -> C -> D的方式被处理，即A先处理这个任务然后交给B处理再给C处理接着给D处理，那么我们只需要在WorkFlow里这么定义 workflow = " A -> B -> C -> D", 然后初始化这个AgentRearrange并且运行，如下所示：
AgentRearrange(agents = [A,B,C,D],workflow = " A -> B -> C -> D").run(task)
我们就可以拿到按照我们规定的工作方式最后产生的结果
同时如果我们把WorkFlow定义成 A -> B,C -> D，那么A执行task之后，B、C会同时执行任务，最后D再执行任务，所以这是一个可以通过WorkFlow实现灵活定义整个工作流的Swarm模式
3️⃣ GraphFlow，则相比AgentRearrange还有支持更复杂的工作流关系，可以任意设计整个工作流的之间的依赖关系
4️⃣ GroupChat 则是让多个Agent进行多轮对话，最终通过多轮对话不断完善要完成的任务内容，从而让结果更可靠更详尽
4️⃣ MixtureOfAgents 则是多个Agent同时工作，最后有一个Agent负责总结所有的工作，并产生最终的输出
5️⃣ RoundRobin则是通过轮询的方式让每个Agent平等的参加工作
6️⃣ ForestSwarm则是可以支持多个层级的Agent关系，所以就想树有很多枝干一样，ForestSwarm就是一个巨大的Agent节点构成的网络，因为起名叫做森林
7️⃣还有MultiAgentRouter也是我们介绍过的BossAgent
ConcurrentWorkflow，支持多个AI Agent同时执行同一个任务
8️⃣ AsyncWorkflow， 多个AI Agent异步执行任务，因此这里需要用到ShareMemory来记录任务产生的数据，同时还有复杂的SpeakSystem
关于Swarm的总结：
Swarm Framework这一层其实需要管理不同的组件，ShareMemory, WorkFlow和 OutputManager, TaskAssigner ，因为总结上面这些不同的Swarm Model，我们会发现当我们想协调多个Agent共同工作的时候我们需要考虑以下几个问题:
1. 决定任务交给谁做 (TaskAssigner)
2. 怎么协调Agent参与工作的先后顺序 (WorkFlow)
3. 怎么管理任务执行之后产生的输出(Output Manager)
4. 异步执行的时候怎么传递一些状态给其他相关任务(ShareMemory)
-------- Swarms Framework ---------
Swarm再上层就是Swarms Framework了，用于协调多个Swarm之间的工作，目前主要支持两种
1️⃣SwarmRouter
通过 「Word Vector」比较的方式选择最合适的Swarm Model进行执行task
2️⃣SwarmRearrange
也可以通过类似定义 workflow 的方式，直接协调多个 Swarm 进行工作
最后我想再强调一下一个Agent是可以在不同的Swarm下直接工作的，所以这里所有的Agent都会由AgentRegistry进行管理，从而能在不同Swarm下尽可能多的复用。
-------- 总结 --------
最终Swarms产生的结果就是，任何Agent协作场景你都能在Swarms上找到开箱即用的协作方式，而即便是更复杂的场景也可以通过不同Swarms之间的配合来实现，因此ElizaOS开启了Web3 Agent Framework的赛道，而Swarms会对Web3 Agent Swarm 领域有很大的贡献要，当然现在的代码还不够完美，但是很明显随着越来越多开发者来到Swarms生态我们可以一起把这些很前沿的代码Build到最好
---------- Mcs 架构分析-----------
目前Swarms生态也开始起来，我觉得会爆发出巨大的力量，就比如 Swarms 生态的龙一 #mcs 的核心代码不过百来行，核心是通过 AgentRearrange的Swarm Model协调四个agent之间的工作，而且当时Kye搞 @mcs_swarm 核心的目的就是想证明Swarms行！
1. 核心架构与Agent：
主要Agent：
- 首席医疗官(Chief Medical Officer)：协调整个团队，收集症状，形成鉴别诊断
- 医疗编码员(Medical Coder)：分配 ICD-10 代码，确保编码合规
- 诊断合成器(Synthesizer)：整合所有发现生成最终诊断评估
- 治疗智能体(Treatment Agent)：根据效果和成本推荐治疗方案
- 实验室匹配器(Lab Matcher)：匹配诊断与实验室检查，提供参考范围
定义Workflow: `首席医疗官 -> 医疗编码员 -> 诊断合成器 -> 治疗智能体`
2. 协调机制：
并通过上面介绍的AgentRearrange 方式来实现协调多个Agent工作
3. 工作流程
同时每轮执行前会从数据库中拿取该任务所需要的对应数据
推荐大家实际使用下 mcs 来感受下 https://t.co/pUsMI5x6ov
所以对于 Swarms来说，一切肯定都不是最好的，但是足够好了，对于现在有这么一个开箱即用的框架也很棒了,Swarms的框架初看会觉得很一般，再看会逐渐发现里面一些 @KyeGomezB 关于Swarm很深的一些思考，是很有价值的](https://pbs.twimg.com/media/Ggqi6qKaMAAm_xv.jpg)
$SWARMS 4亿！！！！
Last Seen Users on Sotwe
neyleenashley ✧˖°
Seen from Saudi Arabia
Love Couple 
Seen from Singapore
sert aktif
Seen from Turkey
mê se.x gay Việt Nam
Seen from Vietnam
มาสิ
Seen from Thailand
مبادل ابي مبادلين Bisha🔥🐻
Seen from Saudi Arabia
GayDadStuff
Seen from United Kingdom
Memek Mulus
Seen from Indonesia
Krista V@l
Seen from Mexico
متـ،ولـعة بالسكـ،ـس
Most Popular Users
Elon Musk
@elonmusk
240.3M followers
Barack Obama
@barackobama
119.3M followers
Donald J. Trump
@realdonaldtrump
111.6M followers
Cristiano Ronaldo
@cristiano
109.8M followers
Narendra Modi
@narendramodi
106.9M followers
Rihanna
@rihanna
97.5M followers
NASA
@nasa
92.1M followers
Justin Bieber
@justinbieber
90.7M followers
KATY PERRY
@katyperry
87.3M followers
Taylor Swift
@taylorswift13
81.1M followers
Lady Gaga
@ladygaga
72.6M followers
Kim Kardashian
@kimkardashian
69.6M followers
Virat Kohli
@imvkohli
69.3M followers
YouTube
@youtube
68.6M followers
Bill Gates
@billgates
63.6M followers
The Ellen Show
@theellenshow
62.5M followers
Neymar Jr
@neymarjr
61.9M followers
CNN
@cnn
61.9M followers
X
@x
60.9M followers
Selena Gomez
@selenagomez
60.4M followers