Snapr：多智能体协作的实时优惠发现系统

Snapr是一个开源多智能体AI系统，通过整合多智能体架构、LLM、传统机器学习模型和RAG技术，实现实时在线优惠的智能发现、筛选与价格预测。其核心设计理念为分工协作，由中央协调者管理各专业智能体完成复杂任务，具有模块化、可扩展性强的特点。

电商时代消费者面临信息过载与优质优惠难寻的悖论，人工追踪不切实际。传统比价网站仅能抓取公开价格，缺乏智能评估与价格预测能力。优惠发现涉及实时数据抓取、去重过滤、质量评估等多任务，单一模型难以胜任，简单流水线缺乏灵活性，这为多智能体系统提供了应用场景。

Snapr采用中央协调者架构，将AI能力封装为专业智能体：数据采集智能体负责实时抓取电商数据；过滤智能体利用嵌入向量和RAG去重低质优惠；预测智能体结合历史数据与ML模型预测价格走势；评估智能体用LLM分析优惠价值（品牌、评价、历史价格等）。该架构模块化，便于组件升级与扩展。

技术栈：Python3.11、uv包管理器、Modal无服务器平台、Docker容器化、GitHub Actions CI/CD、FastAPI服务。RAG与嵌入技术创新应用：将历史优惠编码为向量嵌入存储，通过相似性搜索找到可比记录；利用语义相似度识别重复商品链接，避免冗余信息。

LLM负责自然语言理解与推理任务（如优惠描述解析、评价摘要、价值评估）；传统ML处理结构化数据预测（如价格走势、销量预测）。两者输出在中央协调者处融合，例如ML预测价格下降，LLM发现质量投诉增多，协调者综合决定延迟推荐，提升决策准确性。

Snapr遵循优秀工程实践：代码组织清晰，配置与代码分离，敏感信息用环境变量管理。CI/CD流程包括提交前检查、自动化测试、容器构建与部署。部署采用Modal无服务器平台（支持GPU加速、自动扩缩容），单容器部署简化运维，FastAPI同时服务Gradio界面与MkDocs文档，Docker确保跨环境一致性。

Snapr核心能力可适配多种场景：股票价格预警、航班票价追踪、租房筛选、学术论文推荐等（替换数据采集智能体即可复用其他组件）。项目提供my_ai_portfolio系列实验（含Jupyter Notebook），以及详细架构文档，为学习者提供从理论到实践的路径。

Snapr代表AI应用从单一模型转向多智能体协作的趋势，解决真实世界复杂问题需多专业能力组合。其价值在于展示多智能体系统的工程化构建（架构、技术选型、开发流程、部署），是值得研究的开源案例。未来随着LLM与智能体框架成熟，将出现更多自动化完成复杂任务的智能系统。