DEEP-JLU/Awesome-Graph-Engineering

解決する課題

LLMエージェントが単一モデルのタスクから複雑で協調的なシステムへと移行するにつれ、その挙動を整理することが困難になっています。本プロジェクトは、グラフエンジニアリング (graph engineering) に関するリソースを収集することでこれに対処します。これは、明示的かつ動的なグラフ構造を使用してタスクを計画し、複数のエージェントを調整し、実行時の状態を追跡し、システムの進化をサポートする手法です。研究者や開発者が、エージェント開発の全領域にわたってグラフベースのアプローチを理解し適用するための単一の出発点を提供します。

仕組み

このリポジトリは、サーベイ論文と連動した厳選リストです。関連論文に合わせて、リソースを3つのインテリジェンスレベルに分類しています。

• モデルインテリジェンス (Model Intelligence) — トレーニング、プロンプティング、コンテキストエンジニアリングに関するリソース（Chain-of-Thought、RAG、プロンプト最適化など）。
• 個人インテリジェンス (Individual Intelligence) — 単一のエージェントを機能させるためのリソース：ツール統合、メモリ管理、スキル構成、ランタイムオーケストレーション、インタラクションループ。
• システムインテリジェンス (System Intelligence) — 明示的なグラフを用いて多数のエージェントを調整するためのリソース：タスク編成、エージェント調整、状態管理、システム進化、オントロジーエンジニアリングなど。

各レベル内で、READMEには研究論文、ベンチマーク、データセット、環境、オープンソースライブラリ、実世界のアプリケーションがリストアップされています。このコレクションは成長し続けることを意図しており、不足している情報や新しい研究についてのPull RequestやIssueを歓迎します。

対象読者

LLMベースのエージェント、マルチエージェントシステム、グラフベースの推論、またはエージェントインフラストラクチャに取り組む研究者、エンジニア、学生向けです。エージェントのワークフローを設計したり、調整レイヤーを構築したり、グラフがどのようにエージェントの状態や進化を構造化できるかを探求している場合、このリストはこの分野の広範で整理された地図となります。

ハイライト

• モデルレベル（事前学習、事後学習、プロンプティング）からシステムレベル（調整、状態、進化）までを網羅する分類体系。
• 学術論文だけでなく、実用的なオープンソースライブラリやベンチマークも収録。
• 継続的に更新され、貢献を積極的に歓迎。
• arXivのサーベイ論文と直接リンクしており、より深い学習が可能。