multi-agent实现自动爬虫&生成图谱报告

CAMEL AI 最近在 Mistral Cookbook 上更新了一份非常实用的教程。核心思路很简单：把 CAMEL 的 RAG 能力、Firecrawl 的爬虫能力，再加上 multi-agent 角色扮演和知识图谱构建，四者揉到一起，形成一个端到端的工作流。

教程里给的例子也挺有意思——用 Mistral 模型系统性地研究 2024 年巴黎奥运会的那位土耳其射手。没错，就是那位“无装备单手插兜”火爆全网的选手。整个流程走下来，你会看到 Agent 是怎么分工协作的。

图可能有点小，所以我把 Agent 的操作和输出单独截在下面了：

两个 Agent 的配合机制很清晰：一个扮演 User 角色，负责下达指令；另一个扮演 Assistant，负责执行任务。流程闭环就是：AI User 发指令 → AI Assistant 选工具、传参数 → 返回结果 → 再反馈给 AI User。如此循环，直到任务完成。

最终成果是一份研究报告加一张结构化的知识图谱。整个流程跑一遍大约需要 7 分钟，消耗 60k tokens，性价比相当可观。