什么是 Amigo？
Amigo 是 Croco.Team 开发的用于营销运营的通用 Telegram 机器人。Amigo 不再使用内容、社交媒体和分析等分离的工具，而是提供了一个统一的界面，满足现代营销团队所需的一切--由 AI 驱动并辅以持久记忆功能。
命令系统
Amigo 提供 20 多个命令，涵盖了完整的营销工作流：
/trends 呈现与您行业相关的当前热门话题，并附带来源归属和互动指标。/content 根据趋势信号和活动需求生成内容创意、大纲和完整草案。/script 创建视频脚本、播客大纲和演示文稿叙述。/reels 生成针对 TikTok、Instagram Reels 和 YouTube Shorts 优化的短视频概念。
/image 为社交帖子、广告和营销材料提供 AI 图像生成提示词。/plan 创建包含时间表、资源需求和成功指标的详细营销计划。/analyze 提供受众洞察、竞品分析和绩效诊断。
/search 同时在多个来源进行深度研究。/translate 处理具有文化适应性的内容翻译，而非字面上的逐字转换。/marketing 生成适配各平台要求的全渠道活动文案。/twitter 创建优化的推文、系列推文（threads）和回复。/linkedin 制作专业的帖子、文章和互动策略。
其他命令涵盖博客内容、笔记记录、记忆管理以及与 Notion 和 Google Workspace 等外部服务的集成。
多源聚合
该机器人从多个来源聚合内容和数据：
SociaVault 提供带有互动分析和趋势检测的 Twitter、Reddit 和 TikTok 内容流。HikerAPI 连接 Instagram 以进行竞品监控和内容灵感获取。YouTube API 实现视频研究、转录提取和热门视频分析。Firecrawl 处理网页研究和竞品内容监控。OpenRouter 作为主要的 LLM 接口，通过单个 API 访问多个模型。
每个来源都维护具有 30 分钟有效期的缓存结果，在避免冗余 API 调用的同时，确保时效性工作的新鲜度。
知识图谱记忆
Amigo 维护一个持久的知识图谱，由带有 pgvector 的 PostgreSQL 提供支持，用于语义搜索。实体提取功能可识别对话中提到的个人、公司、产品和概念。关系追踪功能可随着时间的推移建立实体之间的联系。
记忆系统使 Amigo 能够引用之前的对话，记住用户偏好，并在已建立的上下文基础上进行构建。机器人不再是每次交互都从零开始，而是积累组织知识，使所有团队成员受益。
Outline 集成提供了额外的记忆--笔记、日志和文件夹与 Outline wiki 服务器进行双向同步。在 Outline 中创建的新页面可以在 Amigo 中被搜索；在 Amigo 中的对话可以创建或更新 Outline 页面。
模型架构
Amigo 使用 10 个不同的模型角色，而不是硬编码特定的模型：
Chat 处理具有温度且具备上下文感知能力的对话式交互。Structured 驱动 JSON 输出任务、表单填写和数据提取。Writer 创作营销文案、博客文章和社交内容。Plan 生成项目计划、策略和路线图。Translate 通过文化适配管理跨语言内容。
Marketing 优化营销活动、分析转化漏斗并生成以转化驱动的文案。Embedding 为语义搜索和相似度检测创建向量表示。Image 处理图像生成提示词。Voice 处理音频转录和合成。Video 管理视频分析和片段生成。
工作流流水线
所有输出都会通过一个格式输出过滤器，该过滤器应用基于 LLM 的转换--以确保一致的语气、正确的格式和适当的细节水平。polish-output 步骤应用正则表达式转换和额外的 LLM 清理，以进行最终精炼。
无论初始响应是由哪个底层模型生成的，该流水线都能确保质量的一致性。
关键配置说明
通过 OpenRouter 使用推理模型时，@preset/manager 的 Reasoning 必须设置为 OFF。推理模型有时会返回 null 内容，从而破坏机器人的预期。禁用推理可确保所有操作的输出稳定性。
部署
Amigo 在 Docker Compose 中运行，包含三个服务：运行在 port 50501 的机器人本身，运行在 port 50504 带有 pgvector 的 PostgreSQL，以及运行在 port 50505 的 Outline wiki 服务器。Mastra 工作流编排（固定版本为 v1.33.1）负责协调代理系统中的多步骤任务。