Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
多Agent电商推荐与营销系统 (Python/Java/Go)
| Date | Stars |
|---|---|
| 2026-07-31 | 466 |
| 2026-08-06 | 489 |
| 2026-08-14 | 505 |
| 2026-08-18 | 512 |
| 2026-08-19 | 514 |
| 2026-08-20 | 516 |
| 2026-08-22 | 518 |
| 2026-08-23 | 520 |
| 2026-08-24 | 524 |
| 2026-08-25 | 528 |
| 2026-08-26 | 532 |
| 2026-08-27 | 536 |
| 2026-08-28 | 541 |
| 2026-08-29 | 543 |
| 2026-08-30 | 545 |
| 2026-08-31 | 549 |
| 2026-09-01 | 554 |
| 2026-09-02 | 556 |
| 2026-09-03 | 556 |
| 2026-09-05 | 558 |
| 2026-09-06 | 559 |
| 2026-09-07 | 559 |
| 2026-09-08 | 560 |
| 2026-09-09 | 562 |
| 2026-09-10 | 563 |
| 2026-09-11 | 568 |
| 2026-09-12 | 570 |
| 2026-09-14 | 572 |
| 2026-09-15 | 574 |
| 2026-09-16 | 576 |
| 2026-09-17 | 577 |
| 2026-09-18 | 580 |
| 2026-09-19 | 582 |
| 2026-09-20 | 585 |
Today
+3 stars today
This week
+15 stars this week
This month
+69 stars this month
Momentum
0.0
growth rate 2.63%/day
# 🛒 多Agent电商推荐与营销系统
> **面向小白的企业级 AI Agent 项目** — 从零理解 Multi-Agent 架构，配套三语言代码 + 八股文 + 简历模板 + STAR面试话术，找工作全流程覆盖。
[](python/)
[](java/)
[](go/)
[](LICENSE)
---
## 📖 目录
1. [这个项目是什么？](#-这个项目是什么)
2. [系统架构（看图秒懂）](#-系统架构看图秒懂)
3. [四大核心 Agent 详解](#-四大核心-agent-详解)
4. [三语言实现对比](#-三语言实现对比)
5. [关键代码展示](#-关键代码展示)
6. [快速上手运行](#-快速上手运行)
7. [API 接口文档](#-api-接口文档)
8. [项目文件结构](#-项目文件结构)
9. [面试资料索引](#-面试资料索引)
10. [面试八股文精选](#-面试八股文精选10题)
11. [简历写法（直接复制）](#-简历写法直接复制)
12. [参考资料与致谢](#-参考资料与致谢)
---
## 🤔 这个项目是什么？
### 用一句话解释
> 用 AI Agent 技术，让电商平台的**推荐 + 文案 + 库存**三个系统协同工作，像一个聪明的"AI 运营团队"一起为每位用户生成个性化推荐结果。
### 它解决了什么问题？
传统电商推荐系统存在三大痛点：
| 痛点 | 传统做法 | 本项目做法 |
|------|---------|---------|
| 推荐结果和库存脱节 | 推荐了缺货商品 | **库存 Agent** 实时校验，缺货自动剔除 |
| 营销文案千篇一律 | 所有人看同一段广告语 | **文案 Agent** 根据用户画像生成个性化文案 |
| 各系统各自为战 | 推荐、文案、库存三套系统互不感知 | **Supervisor** 统一编排，结果实时互相影响 |
### 技术关键词（面试常考）
`Multi-Agent` · `Supervisor模式` · `LangGraph` · `asyncio并行` · `Redis Feature Store` · `A/B Testing` · `Thompson Sampling` · `RAG` · `ReAct` · `MiniMax LLM`
---
## 🏗 系统架构（看图秒懂）
### 整体架构图
```
┌─────────────────────────────────────────────────────────────────┐
│ 用户发起推荐请求 │
│ {"user_id": "u001", "num_items": 5} │
└───────────────────────────────┬─────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ Supervisor 协调Agent │
│ (python/orchestrator/supervisor.py) │
│ │
│ ════════════════ Phase 1: 并行执行 ═══════════════════ │
│ ┌──────────────────────┐ ┌──────────────────────┐ │
│ │ 用户画像 Agent │ │ 商品召回 Agent │ │
│ │ user_profile_agent │ │ product_rec_agent │ │
│ │ ────────────────── │ │ ────────────────── │ │
│ │ Redis → 实时行为特征 │ │ 协同过滤+向量检索召回 │ │
│ │ RFM模型 → 用户分群 │ │ 返回候选商品列表 │ │
│ └──────────┬───────────┘ └──────────┬──────────┘ │
│ │ │ │
│ ════════════════ Phase 2: 并行执行 ═══════════════════ │
│ ┌──────────────────────┐ ┌──────────────────────┐ │
│ │ LLM重排 Agent │ │ 库存决策 Agent │ │
│ │ (product_rec再次调用)│ │ inventory_agent │ │
│ │ ────────────────── │ │ ────────────────── │ │
│ │ 用户画像 × 商品属性 │ │ MySQL → 实时库存查询 │ │
│ │ LLM精排，返回TopN │ │ 过滤缺货，输出限购策略│ │
│ └──────────┬───────────┘ └──────────┬──────────┘ │
│ │ │ │
│ ════════════════ Phase 3: 串行执行 ═══════════════════ │
│ └──────────────┬────────────┘ │
│ ▼ │
│ ┌──────────────────────────────┐ │
│ │ 结果聚合器 │ │
│ │ 库存过滤 → 排序合并 → TopN │ │
│ └──────────────┬───────────────┘ │
│ ▼ │
│ ┌──────────────────────────────┐ │
│ │ 营销文案 Agent │ │
│ │ marketing_copy_agent │ │
│ │ ────────────────────────── │ │
│ │ 5套Prompt模板 × 用户分群 │ │
│ │ LLM生Excerpt of 24,248 characters
Read on GitHub
2
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:c5cd2a93dbbe0383, name:multi-agent, name:multi agent