Cursor Prompt для розгортання агентів microDAO Node-2¶

🎯 Завдання¶

Створити всіх агентів (35-50) для microDAO Node-2 з правильним призначенням LLM через Swoper.

📋 Структура директорій¶

Створити структуру:

~/node2/agents/
├── system/                    # System agents (БЕЗ CrewAI)
│   ├── solarius/
│   │   ├── agent.py
│   │   └── system_prompt.md
│   ├── nexor/
│   ├── strategic_sentinels/
│   ├── vindex/
│   ├── arbitron/
│   ├── aurora/
│   └── helix/
│
├── engineering/               # Engineering Crew (CrewAI)
│   ├── byteforge/
│   ├── vector/
│   ├── chainweaver/
│   ├── cypher/
│   └── canvas/
│
├── marketing/                 # Marketing Crew (CrewAI)
│   ├── roxy/
│   ├── mira/
│   ├── tempo/
│   ├── harmony/
│   ├── faye/
│   └── storytelling/
│
├── finance/                   # Finance Crew (CrewAI)
│   └── ...
│
├── web3/                      # Web3 Crew (CrewAI)
│   └── ...
│
├── security/                  # Security Overwatch Crew (CrewAI)
│   ├── shadelock/
│   └── exor/
│
├── crypto-forensics/          # Crypto Forensics Crew (CrewAI)
│   ├── shadelock/
│   └── exor/
│
├── vision/                    # Vision Crew (CrewAI)
│   ├── iris/
│   ├── lumen/
│   └── spectra/
│
├── somnia/                    # Somnia (БЕЗ CrewAI)
│   └── somnia/
│
└── memory/                    # Memory Agents (БЕЗ CrewAI)
    └── ...

🤖 Призначення LLM для агентів¶

Reasoning Models (DeepSeek-R1, Mistral 22B, Gemma 30B)¶

Агенти: Solarius, Nexor, Strategic Sentinels, Vindex, Arbitron, Aurora, Helix

Code Models (Qwen Code 72B, StarCoder2 34B)¶

Агенти: ByteForge, Vector, ChainWeaver, Cypher, Canvas

Vision Models (Qwen2-VL-32B, Qwen3-VL)¶

Агенти: Iris, Lumen, Spectra

Fast Models (Mistral 7B, Qwen-2 7B, GPT-OSS-20B)¶

Агенти: Roxy, Mira, Tempo, Harmony, Faye, Storytelling

Ultra-light Models (Gemma 2B, Phi-3 Mini, Qwen 2.5 3B)¶

Агенти: Memory Agents, Somnia

📝 Шаблон агента¶

Для кожного агента створити:

1. `agent.py`¶

from crewai import Agent
from langchain_community.llms import Ollama

# LLM через Swoper/Ollama
llm = Ollama(
    base_url="http://localhost:11434",
    model="deepseek-r1"  # або інша модель
)

agent = Agent(
    role="Agent Role",
    goal="Agent Goal",
    backstory="Agent Backstory",
    llm=llm,
    tools=[...],
    verbose=True,
    allow_delegation=False
)

2. `system_prompt.md`¶

Детальний system prompt
Role definition
Capabilities
Memory access
Tools

3. `config.yaml`¶

LLM model assignment
Priority
Crew assignment (якщо в CrewAI)
Memory access rules

🎭 CrewAI команди (8-10 груп)¶

Engineering Crew¶

from crewai import Crew, Process

engineering_crew = Crew(
    agents=[byteforge, vector, chainweaver, cypher, canvas],
    tasks=[...],
    process=Process.sequential,
    verbose=True,
    memory=True
)

Marketing Crew¶

marketing_crew = Crew(
    agents=[roxy, mira, tempo, harmony, faye, storytelling],
    tasks=[...],
    process=Process.sequential,
    verbose=True,
    memory=True
)

... (інші команди)

🔗 Інтеграція з NodeAgent¶

NodeAgent координує всі Crew: - Маршрутизація між Crew - Управління ресурсами - Завантаження/вивантаження моделей через Swoper

⏳ Очікується¶

Список моделей з ollama list (після завершення встановлення)
Детальний список агентів від користувача
Точні назви моделей для кожного агента

💡 Після отримання даних¶

Оновлю шаблон з фактичними назвами моделей
Створю всіх агентів з правильним LLM
Створю CrewAI команди
Інтегрую з NodeAgent

📋 Чеклист¶

[ ] Отримати ollama list з усіма моделями
[ ] Отримати список агентів від користувача
[ ] Створити структуру директорій
[ ] Створити system prompts для кожного агента
[ ] Налаштувати LLM routing через Swoper
[ ] Створити CrewAI команди
[ ] Інтегрувати з NodeAgent
[ ] Тестування