Зарелизил CEO Blog Writer - мульти-агентную систему, которая пишет посты за CEO в его/её голосе. Как устроено внутри: есть оркестратор на Claude Haiku - он не пишет контент сам, только координирует. Получает тему и последовательно вызывает 5 субагентов через task(). Каждый субагент - отдельная модель со своим системным промптом и набором инструментов. Конвейер: → Voice Memory (Haiku) - инструменты: read_file, grep. Читает 4 JSON-файла архива: посты, паттерны стиля, история тем. Пишет voice_analysis.md. → Web Researcher (Sonnet) - инструмент: web_search (обёртка над Tavily API). Не может ничего выдумать - только цитировать найденное. Пишет research_brief.md. → Content Planner (Haiku) - инструменты: read_file, write_file. Читает результаты двух предыдущих агентов, выбирает тип поста, строит outline. Пишет outline.md. → Content Writer (Sonnet) - читает все предыдущие файлы, пишет черновик голосом конкретного человека. Пишет draft.md. → Humanizer (GPT-4.1) - инструменты: read_file, write_file, grep. Убирает AI-паттерны, которые оставил Claude. grep-ом проверяет 9 конкретных паттернов: «является», «данный», пассив, шаблонные переходы. Зачем GPT после Claude? Один и тот же модельный ряд не видит собственных речевых привычек. Второй проход Claude воспроизводит те же паттерны. GPT - другая токенизация, другой ритм - видит их как чужие и убирает. Агенты передают работу друг другу через файловую систему: voice_analysis.md → research_brief.md → outline.md → draft.md → final_post.md. Каждый промежуточный файл читаем - можно открыть и посмотреть, что каждый агент сделал. После пятого шага оркестратор читает final_post.md, прогоняет quality gate (длина, отсутствие AI-паттернов) и отдаёт результат через callback в веб-приложение. Стек: LangChain DeepAgents, FastAPI, Docker, Vercel + Supabase. Результат: 7-10 минут от темы до готового поста. Кто пробовал строить мульти-агентные пайплайны на LangGraph DeepAgents? #ИИ #AIAgents #Автоматизация #LangChain #DeepAgents