Skip to content

README_zh.md

Latest commit

 

History

History
159 lines (113 loc) · 5.3 KB

README_zh.md

File metadata and controls

159 lines (113 loc) · 5.3 KB

🔀 AgentFlow

English | 简体中文

基于 LangGraph 的多 Agent 协作设计模式实战库

AgentFlow 是一套经过验证的多 Agent 设计模式合集，基于 LangGraph 构建。每个模式都包含完整代码、架构图、适用场景分析和性能对比。

不是框架封装，不是教程合集。 这是多 Agent 系统的 设计模式参考书。

在线演示： https://iuyup.github.io/AgentFlow

AgentFlow Overview

架构概览

架构概览

模式示例：Reflection（反思模式）

Reflection 模式

模式示例：MapReduce（映射归约模式）

MapReduce 模式

运行截图和演示： 访问文档网站查看交互示例和运行截图。

为什么需要 AgentFlow？

构建多 Agent 系统的难点不在工具，而在 架构决策：

  • Agent 应该循环还是终止？
  • 如何协调 N 个 Agent 而不混乱？
  • 什么时候并行优于串行？

AgentFlow 提供 经过验证的模式，你可以学习、改造、组合 —— 每个模式都是完整的、可运行的示例。

模式索引

模式 说明 核心技术 状态
Reflection（反思） 通过「写作 → 审阅」循环实现迭代自改进 条件循环 ✅
Debate（辩论） 多视角辩论 + 主持人综合裁决 N 方协调 ✅
MapReduce（映射归约） 并行扇出处理 + 结果聚合 LangGraph Send API ✅
Hierarchical（层级委派） Manager 分解任务 → Workers 执行 → Manager 汇总 嵌套子图 + Send ✅
Voting（投票决策） 多 Agent 独立投票后聚合 广播扇出 ✅
GuardRail（风控守门） 主 Agent + 安全守门检查点 Approve/block/redirect 路由 ✅
RAG-Agent（检索增强） Agent 自主决定何时从知识库检索 条件检索循环 ✅
Chain-of-Experts（专家链） 任务在专家 Agent 间依次传递 顺序路由 ✅
Human-in-the-Loop（人机协作） 关键节点等待人类确认 中断 + 恢复 ✅
Swarm（群体智能） 去中心化 Agent 群体协作 动态编排 ✅
Self-Improving（自我改进） 持久技能库 + 跨任务自我改进 分层记忆 + 渐进式披露 ✅

快速开始

1. 克隆 & 安装

git clone https://github.com/iuyup/AgentFlow.git
cd AgentFlow
uv sync

2. 配置 API Key

cp .env.example .env
# 编辑 .env，填入你的 OpenAI API Key

3. 运行任意模式

python -m patterns.reflection.example
python -m patterns.debate.example
python -m patterns.map_reduce.example

4. 浏览文档网站

cd web
pip install -r requirements.txt
python sync_docs.py    # 同步模式文档
mkdocs serve          # 访问 http://localhost:8000

项目结构

patterns/                  # 核心：每个模式一个子目录
│   ├── reflection/        # 写作 → 审阅循环
│   ├── debate/            # N 方辩论 + 主持人
│   ├── map_reduce/        # 并行扇出 + 归约
│   ├── hierarchical/      # Manager → Workers → 汇总
│   ├── voting/            # 多 Agent 投票 + 聚合
│   ├── guardrail/         # 主 Agent + 安全守门
│   ├── rag_agent/         # Agent + 条件检索
│   ├── chain_of_experts/  # 顺序专家路由
│   ├── human_in_the_loop/ # 人工中断
│   ├── swarm/             # 去中心化编排
|   └── self_improving/    # 自我迭代
├── agentflow/             # 核心工具函数
├── web/                   # 文档网站 (MkDocs)
│   ├── docs/             # 文档源文件
│   ├── mkdocs.yml        # 网站配置
│   └── sync_docs.py      # 文档同步脚本
├── benchmarks/            # 性能对比框架
└── docs/                  # 架构图和资源文件

文档网站

文档网站使用 MkDocs + Material 构建，位于 web/ 目录：

# 本地预览
cd web
pip install -r requirements.txt
python sync_docs.py    # 同步文档
mkdocs serve          # 访问 http://localhost:8000

# 构建静态站点
mkdocs build

# 部署到 GitHub Pages
mkdocs gh-deploy

环境要求

  • Python 3.11+
  • OpenAI API Key（默认模型：gpt-4o-mini）

运行测试

# 单元测试（无需 API Key）
pytest patterns/

# 集成测试（需要 OPENAI_API_KEY）
OPENAI_API_KEY=your-key pytest patterns/ -m "not skipif"

设计理念

  1. 模式参考，不是框架 — 每个模式独立自包含，按需复制。
  2. 3 分钟可运行 — 克隆、配置 Key、运行，就这么简单。
  3. 双语文档 — 每个模式都有英文和中文 README。
  4. 真实 LangGraph — 不封装 LangGraph，学习原生 API。

贡献指南

参见 CONTRIBUTING.md。

许可证

MIT