自主 AI 智能体 · 多智能体编排 · LLMOps · AgentOps · 模型路由 · Token 成本优化 · 本地 LLM · 7×24 自动化
我设计并上线自主 AI 智能体系统，将复杂工作流转化为可控、成本优化的 7×24 自动化管道。
我是拥有 10 年以上生产环境经验的 AI 系统工程师和数字自动化专家。核心方向包括自主智能体、智能体群、多智能体编排、LLM 模型路由、开源模型本地部署以及 token 成本优化。
我构建的是可复现的生产系统，而不是一次性脚本：智能体可以收集和分析数据、编写并执行代码，并与 API、浏览器、文档、Telegram、数据库和服务器协同工作，以所需格式交付结果。
针对具体业务和技术问题设计智能体系统，覆盖架构、角色分配、上线、调试、监控和执行成本优化。多智能体工作流将复杂任务分解给 researcher、parser、analyst、coder、validator、reviewer、dispatcher、executor 和 reporter 等角色；每个角色拥有独立的上下文、工具、模型和执行规则。
通过模型路由、提示词压缩、缓存、上下文裁剪、结构化输出、高吞吐量任务的本地 LLM，以及云端 + 本地混合管道优化 token 成本。简单任务使用更经济的模型，复杂推理任务交由更强大的 LLM，从而在不牺牲质量的前提下降低单任务成本。
在自有基础设施上部署 Llama、Mistral、Qwen 等开源模型，以保持数据本地化、降低对外部 API 的依赖并控制成本。
面向生产环境运行 AI 系统：专用服务器上的 7×24 执行、智能体自动重启、重试/降级逻辑、任务队列、决策与操作日志、状态监控、token 用量控制、高风险操作的人在回路、结果验证和可复现运行。
目标不是“为了 AI 而 AI”，而是能够减少人工劳动、加快业务操作、控制 LLM 支出并规模化自主执行任务的系统。
从网站、Telegram、API、文档、表格、邮件和信息流自主收集和处理数据；网页研究、来源监控、实体提取、分类、对比和报告生成；自动化代码生成、执行和验证；浏览器、WebSocket、CRM、Telegram Bot API、文件、数据库和自定义后端服务集成；基于规则、LLM 评估或混合逻辑的自动决策；OSINT 和信息监控。
已实施方向包括：数据采集、分析、分类与交付智能体；研究、代码、内容、监控和运营的多智能体工作流；Telegram 自动化；Telegram、WhatsApp、Facebook、Instagram、TikTok、YouTube 和 X 的多渠道系统；LLM 内容工作流、短视频管道、每分钟最高 500 封邮件的邮件自动化基础设施、代理网络、任务队列、API 集成、服务器、模拟器和 VM 环境。
Claude API、GPT-4、OpenAI-compatible API、本地 LLM、Llama、Mistral、Qwen、Python、Node.js、WebSocket、REST API、Telegram Bot API、浏览器自动化、SQLite、Qdrant、向量检索、知识图谱、专用服务器、VM/模拟器、GitHub、Cursor、ZennoPoster。
可提供咨询、项目合作或全职合作；支持远程工作。
- Email: BotsLab@proton.me
- Telegram: @TheBotsLab