amanning3390/deepswarm
文件夹和文件
| --- | --- | --- | --- | | ## 最新提交 ## 历史记录 4 次提交 4 次提交 | | references | references | | | | scripts | scripts | | | | templates | templates | | | | PLAN.md | PLAN.md | | | | README.md | README.md | | | | SKILL.md | SKILL.md | | | | architecture.html | architecture.html | | | | task.yaml | task.yaml | | |
仓库文件导航
DeepSwarm 2.0：任务无关的并行工作器编排
为任何批处理任务启动 N 个并行 API 工作器。自动优化工作器数量与错峰间隔。分层模型委派：编排器负责规划（V4 Pro）→ 工作器负责执行（V4 Flash）。API 成功率 99.95%。
安装
undefinedshell hermes skills tap add amanning3390/deepswarm undefined
快速开始
undefinedshell
1. Define your task
cp task.yaml my_task.yaml
Edit: prompt_template, worker_model, max_tokens
2. Generate seeds
python3 scripts/seed.py --count 1000 --template "Generate {{seed}}" > seeds.jsonl
3. Launch (auto-optimizes everything)
export DEEPSEEK_API_KEY=sk-... python3 scripts/swarm.py --task my_task.yaml --total 1000 undefined
分层委派
undefinedyaml orchestrator_model: deepseek-v4-pro # Plans (few calls, frontier quality) worker_model: deepseek-v4-flash # Executes (many calls, cheaper) undefined
V4 Pro 的每 token 成本约为 V4 Flash 的 3 倍。对于需要数千次调用的批处理任务，分层委派可节省 60% 到 70% 的成本。
自动优化
| 调用时长 | 工作器 | 错峰间隔 | 成功率 | 吞吐量 |
|---|---|---|---|---|
| <10s | 16 | 1s | 99.9% | 约 5,760/小时 |
| 10-30s | 12 | 2s | 99.9% | 约 1,440/小时 |
| 30-60s | 8 | 5s | 99.95% | 约 440/小时 |
| 60-90s | 6 | 10s | 99.9% | 约 240/小时 |
在 task.yaml 中省略 workers 和 stagger，DeepSwarm 会运行一次校准调用，并选出最优值。
任务类型
内置类型：generation、translation、summarization、classification、custom
对于多轮任务（工具调用、对话循环）：
undefinedyaml multi_turn: true max_turns: 20 undefined
文件
deepswarm/
├── SKILL.md # Hermes skill definition
├── README.md
├── task.yaml # Sample task config
├── architecture.html # Pipeline diagram
├── scripts/
│ ├── swarm.py # Orchestrator (auto-optimize + launch)
│ └── worker.py # Task-agnostic batch processor
├── templates/
│ └── prompts.py # v2 prompt templates
└── references/
├── api-rate-limits.md
└── generation-patterns.md
来源
基于 DeepSeek Hermes Reasoning Traces 项目构建：
- 19,331 条轨迹 · 192K 次工具调用
- 96 个工作器 · 31K 次 API 调用
- 99.95% 成功率
- 8 个工作器 + 5 秒错峰间隔 = 神奇公式
关于
未提供描述、网站或主题。
资源
哎呀！
加载时发生错误。请重新加载此页面。
Star
关注者
Fork
发布版本
尚未发布任何版本
软件包 0
哎呀！
加载时发生错误。请重新加载此页面。
贡献者
哎呀！
加载时发生错误。请重新加载此页面。
语言
页脚
页脚导航
你目前无法执行该操作。