垂直智能体正在吃掉通用框架

GitHub热榜第一的项目，24小时涨了3315星。不是LangChain，不是CrewAI，是一个叫TradingAgents的金融交易智能体框架。

更奇怪的是，整个榜单前20都找不到那些2024年霸榜的"通用编排框架"。

YC三天前刚发完招聘视频，Latent Space把"垂直智能体"升格为独立赛道——这不是巧合，是结构性的迁移。

五个项目，五种"吃掉"通用框架的方式

我们拆解了当前GitHub增速最快的五个垂直智能体项目，看看它们怎么绕过中间层，直接把端到端的解决方案塞进用户手里。

一、TradingAgents：金融执行层的"黑箱化"

64,746星基础，24小时再涨3315星。这个速度只在两种情况下出现：Hacker News首页+某个被压抑的需求突然释放。

它做了什么？多智能体协作的股票交易系统。研究智能体、策略智能体、风险智能体、执行智能体——四个角色互相校验，输出可执行的交易指令。

关键在这里：用户不需要理解智能体怎么编排的。没有"选择你的编排框架"这一步，没有"配置工具链"的界面。输入资金、风险偏好、目标标的，输出交易动作。

这直接替代了什么？2024年金融量化团队用LangChain或CrewAI自己搭的私有框架。那些框架的核心卖点——"灵活编排"——在交易员眼里是负担。他们要的是经过回测的策略逻辑，不是可配置的DAG。

护城河位置：金融数据的清洗口径、策略回测的基准库、与券商API的合规对接。这些都不是通用框架能提供的。

二、Dexter：深度研究的"单智能体极致化"

virattt/dexter，TypeScript写的自主金融研究智能体，24小时+446星。比TradingAgents低调，但指向更明确的替代关系。

它只做一件事：给定一家公司，自动完成从财报抓取、同业对比、估值模型到投资备忘录的完整研究流程。

背后的架构选择很说明问题。作者Virat A.在X上解释过设计哲学：用单一智能体而非多智能体，因为金融研究的连贯性比并行效率更重要。用TypeScript而非Python，因为输出需要嵌入现有投行工作流。

这打的是LlamaIndex的"知识图谱+RAG"组合。LlamaIndex卖的是"连接你的数据源"，Dexter卖的是"已经连好了SEC EDGAR、Yahoo Finance、Capital IQ，且知道哪些字段需要交叉验证"。

护城河位置：对10-K/10-Q表格结构的解析规则、对非GAAP指标的调整逻辑、对管理层讨论与分析的语义理解。这些是四年金融工程的经验压缩，不是向量数据库能解决的。

三、Maigret：OSINT的"去框架化"

soxoj/maigret，24小时+1117星。功能很简单：输入一个用户名，自动扫描3000+网站返回关联账号。

技术上毫无新意。Python脚本、异步请求、正则匹配——没有智能体架构，没有工具调用，没有记忆模块。

但它挤占了谁的位置？那些用AutoGen或CrewAI搭建"智能体调查助手"的项目。2024年有一波这样的尝试：把OSINT工具包（theHarvester、Sherlock、Maltego）封装成智能体工具，让用户用自然语言下达调查指令。

Maigret证明这条路是错的。调查员不需要"智能体"这个抽象层，他们需要覆盖更多平台、更新更及时的规则库。3000个站点的适配逻辑，写死在代码里比封装成"工具"更可靠。

护城河位置：站点列表的维护成本极高。网站改版、反爬升级、法律合规——这些脏活累活构成了实际壁垒。通用框架承诺的"工具生态"在这里是伪需求。

四、TaxHacker：会计场景的"自托管悖论"

vas3k/TaxHacker，106星，五个项目里增速最慢，但指向最激进的商业模式。

它是一个自托管的AI会计智能体。上传银行流水、发票、合同，自动分类账目、生成报表、计算税负。

"自托管"是关键词。会计数据的敏感性让SaaS模式天然受阻，但中小企业又买不起Oracle NetSuite。TaxHacker卡在中间：用本地部署满足合规，用智能体自动化替代会计外包。

这替代的不是通用框架，是传统SaaS。QuickBooks、Xero、用友——这些产品的交互范式是"软件+人工服务"。TaxHacker的赌注是：智能体的准确率足够高，高到可以砍掉"人工服务"这层。

护城河位置：各国税法的差异化实现。德国增值税的反向征收规则、美国各州的销售税差异、中国进项税的抵扣链条——这些规则写成代码就是壁垒，封装成"可配置工作流"就是漏洞。

五、Pixelle-Video：视频生成的"垂直闭环"

AIDC-AI/Pixelle-Video，478星。技术细节披露最少，但赛道选择最说明趋势。

它不是"视频生成模型"，是"电商视频生成智能体"。输入商品图片和卖点文案，输出带货短视频——自动完成分镜、配音、字幕、BGM、平台适配（9:16 for抖音，1:1 for小红书）。

这绕过了两层中间件。第一层是Runway/Pika这类通用视频生成工具，用户需要手动剪辑、配音、调比例。第二层是CrewAI类编排框架，理论上可以"编排"视频生成+音频生成+字幕生成，但实际没人这么用——延迟太高，容错太低。

Pixelle-Video的选择是端到端训练：一个模型直接映射"商品信息→成品视频"，中间不可解释也不需解释。

护城河位置：电商场景的审美对齐。什么BGM转化率更高、什么字幕样式停留更久、什么 pacing 适合3C而非美妆——这些不是技术问题，是运营经验的沉淀。

三个力量，压垮通用编排的护城河

为什么2024年成立的框架公司，在2025年5月突然失势？原文指出了三个结构性力量：

第一，基础模型变强了。GPT-4o、Claude 3.5、Gemini 1.5的函数调用可靠性，让"智能体循环"从需要精心编排的工程问题，变成几行代码就能调用的API能力。LangChain在2023年解决的"怎么让模型稳定调用工具"，在2025年不再是问题。

第二，推理成本断崖下跌。垂直智能体可以承受更长的上下文、更多的迭代轮次、更激进的验证流程——因为单次任务的价值足够高。TradingAgents的一笔交易佣金、Dexter的一份研报费用、TaxHacker节省的会计工时，都能覆盖更高的计算成本。通用框架追求的"效率优化"在这里是伪命题。

第三，也是最关键的：分发渠道变了。2024年的智能体创业公司需要回答"用户从哪来"，答案是"从LangChain/CrewAI的模板市场来"。2025年的答案是"从垂直社区的口碑来"。金融交易员在X上分享P&L截图，调查记者在Discord里交换站点适配技巧——这些场景不需要"框架生态"，需要"能跑通的工作流"。

YC的招聘视频，把趋势变成指令

5月2日和3日，YC连发两条短视频。"Software for Agents"和"SaaS Challengers"——标题就是策略。

核心信息：别做工具，做替代SaaS的智能体。选一个垂直领域，理解它的工作流，用智能体完成端到端自动化，然后按结果收费。

这和2023-2024年的YC建议形成鲜明对比。那时候的热门赛道是"AI基础设施"——向量数据库、评估框架、提示词管理工具。现在的建议是：绕过所有这些，直接触达最终用户。

Latent Space的AI Engineer World's Fair把"Vertical AI"升格为独立赛道，和Autoresearch、Memory、World Models并列——这是工程社区对同一趋势的确认。

护城河迁移：从"怎么造"到"造什么"

通用框架的原始假设是：编排能力是稀缺资源，掌握它就能捕获应用层的价值。

这个假设在三个条件下成立：基础模型不可靠（需要复杂的错误处理）、工具生态碎片化（需要统一的抽象层）、应用场景同质化（一套编排逻辑可以复用）。

2025年，三个条件全部失效。模型可靠性提升让错误处理简化，MCP等协议让工具调用标准化，而应用场景的差异化被证明是不可压缩的——每个垂直领域的"边缘情况"都是核心需求。

新的护城河在哪里？原文的总结很精准：分发渠道和领域专业知识。前者解决"用户怎么找到你"，后者解决"用户为什么留下来"。

TradingAgents的护城河不是"多智能体架构"，是回测过的策略库和券商关系。Dexter的不是"自主研究能力"，是对财报脚注的解析经验。TaxHacker的不是"本地部署"，是各国税法的代码化实现。

这些都是通用框架承诺"留给集成商解决"的问题。现在集成商自己做了产品。

数据收束：热榜上的沉默证据

回到GitHub Trending的数字。TradingAgents 64,746星，Maigret星数未披露但增速第二，Dexter、Pixelle-Video、TaxHacker依次排列。

对比2024年同期：LangChain在2024年5月约有7万星，但增速已明显放缓；CrewAI约1.5万星，正处于 hype 顶峰；AutoGen约2万星，微软背书下稳步增长。

2025年5月，这三个项目都没有进入日榜前20。不是它们变差了，是用户的注意力转移了——从"学习如何构建智能体"转向"直接使用完成工作的智能体"。

3315星/24小时的速度，在GitHub历史上属于现象级事件。它发生在金融交易这个强监管、高门槛、传统上由人类专家垄断的领域，说明垂直智能体的渗透已经进入核心生产环节。

这不是框架层的竞争，是应用层对中间层的绕路。当编排成为默认能力，价值自然流向知道该编排什么的人。