Agentic Architectures

这个 Agent 能做什么，适合哪些场景？

Agentic Architectures 是一个基于 LangGraph 的 Python 库，同时也是包含已执行 Jupyter Notebook 的可运行教材。它将 35 种模式封装为统一的 Architecture 类，包括反思、搜索、RAG、记忆、工具调用、多智能体和安全路由。各架构共享 .run(task) 调用方式，并返回 ArchitectureResult；示例会读取 output 和 metadata 中的 final_score。项目支持 Nebius、OpenAI、Anthropic、Groq、Ollama、Together、Fireworks、Mistral 与 Google 九家提供商，并通过环境变量切换。仓库还提供 17 项任务的比较基准、35 个已执行 Notebook，以及面向库和 Notebook 的测试。

安装后可用 get_llm() 创建模型客户端，再实例化例如 Reflection(llm=get_llm(), max_iterations=2, target_score=8)。调用 arch.run("Write a haiku about a glacier.") 会运行所选架构，并产生 result.output 及 result.metadata 中的 final_score。不同架构可执行生成—批评—改写、采样投票、树搜索、检索与文档评分、记忆存储、工具操作或多智能体协作等流程。项目在 13 个架构中采用 deterministic-picker：LLM 先提交布尔值或枚举特征，再由 Python 组合决策信号；另有 9 个架构按其设计不受该评分问题影响。BrowserAgent 使用真实 Playwright 并带安全门，SWE-Agent 是沙盒文件系统智能体，Voyager 使用真实子进程执行可复用 Python 技能。

1. Python 应用团队希望以同一 .run(task) 接口比较 Reflection、Self-Consistency 与 Tree of Thoughts 等推理模式。
2. 正在构建检索问答系统的工程师，需要在 Agentic RAG、CRAG、Self-RAG、Adaptive RAG 与 GraphRAG 之间试验不同检索形态。
3. 需要审查浏览器操作风险的自动化团队，可研究带安全门的 BrowserAgent，而生产 Computer-Use 需要 Anthropic。
4. 希望为多智能体研究或写作流程选型的开发者，可运行 Multi-Agent、Blackboard、Debate、STORM 和 Meta-Controller。
5. 要为特定任务选择架构的技术负责人，可使用项目的 17 任务基准和按任务列出的答案摘录比较结果。

如何安装或部署这个 Agent？

从新克隆安装：

python -m venv .venv
.venv\Scripts\activate              # Windows
source .venv/bin/activate           # macOS / Linux
pip install -e ".[dev,test,docs,nebius,faiss,tavily,networkx]"
cp .env.example .env

然后在 .env 中填写 NEBIUS_API_KEY 等所选提供商的密钥。也可安装运行示例所列的额外组件：pip install "agentic-architectures[nebius,faiss,tavily]"复制。

如何使用这个 Agent？

配置 LLM_PROVIDER 和对应的环境变量密钥后，运行：

from agentic_architectures import get_llm
from agentic_architectures.architectures import Reflection

arch = Reflection(llm=get_llm(), max_iterations=2, target_score=8)
result = arch.run("Write a haiku about a glacier.")
print(result.output)
print("score:", result.metadata["final_score"], "/ 10")

可替换 Architecture 类而保持下游 .run(task) 与 ArchitectureResult 的调用形状不变。测试命令为 pytest -q；真实 LLM 集成测试通过 RUN_INTEGRATION=1 启用。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

[![FARS 评测](https://followagents.com/badge/all-agentic-architectures.svg?lang=zh)](https://followagents.com/zh/agents/all-agentic-architectures)

<a href="https://followagents.com/zh/agents/all-agentic-architectures"><img src="https://followagents.com/badge/all-agentic-architectures.svg?lang=zh" alt="FARS 评测"></a>

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

1. v0.3.0 2026-05-28
   发布说明摘录

   [0.3.0](https://github.com/FareedKhan-dev/all-agentic-architectures/compare/v0.2.0...v0.3.0) (2026-05-28) Features * 17 foundational architecture patterns ([c09a801](https://github.com/FareedKhan-dev/all-agentic-architectures/commit/c09a8012854069efe6a7d8f6b4a276be0056ca5d)) * 18 advanced architecture patterns ([af34630](https://github.com/FareedKhan-dev/all-agentic-architectures/commit/af3463027095ea114aa30775e86d6f6a4e63e9f9)) …

   在 GitHub 查看 ↗

常见问题