DEEP-JLU/Awesome-Graph-Engineering

해결하는 문제

LLM 에이전트가 단일 모델 작업에서 복잡하고 조정된 시스템으로 이동함에 따라, 그 행동을 조직화하는 것이 어려워지고 있습니다. 이 프로젝트는 그래프 엔지니어링 (graph engineering) 에 관한 리소스를 수집하여 이를 해결합니다. 이는 명시적이고 동적인 그래프 구조를 사용하여 작업을 계획하고, 여러 에이전트를 조정하며, 런타임 상태를 추적하고, 시스템 진화를 지원하는 방식입니다. 연구자와 개발자에게 에이전트 개발 전반에 걸쳐 그래프 기반 접근 방식을 이해하고 적용할 수 있는 단일 출발점을 제공합니다.

작동 방식

이 저장소는 서베이 논문과 연계된 큐레이션 목록입니다. 관련 논문을 반영하여 리소스를 세 가지 지능 수준으로 구성합니다.

• 모델 지능 (Model Intelligence) — 학습, 프롬프팅, 컨텍스트 엔지니어링 관련 리소스 (Chain-of-Thought, RAG, 프롬프트 최적화 등).
• 개별 지능 (Individual Intelligence) — 단일 에이전트의 기능을 구현하기 위한 리소스: 도구 통합, 메모리 관리, 기술 구성, 런타임 오케스트레이션, 상호작용 루프.
• 시스템 지능 (System Intelligence) — 명시적 그래프를 사용하여 다수의 에이전트를 조정하기 위한 리소스: 작업 조직, 에이전트 조정, 상태 관리, 시스템 진화, 온톨로지 엔지니어링.

각 수준 내에서 README는 연구 논문, 벤치마크, 데이터셋, 환경, 오픈소스 라이브러리 및 실제 애플리케이션을 나열합니다. 이 컬렉션은 지속적으로 성장할 예정이며, 누락된 정보나 새로운 연구에 대한 Pull Request와 Issue를 환영합니다.

대상 독자

LLM 기반 에이전트, 멀티 에이전트 시스템, 그래프 기반 추론 또는 에이전트 인프라를 연구하는 연구자, 엔지니어 및 학생을 위한 자료입니다. 에이전트 워크플로우를 설계하거나, 조정 계층을 구축하거나, 그래프가 에이전트 상태와 진화를 어떻게 구조화할 수 있는지 탐구하고 있다면, 이 목록은 해당 분야의 광범위하고 체계적인 지도를 제공할 것입니다.

주요 특징

• 모델 수준(사전 학습, 사후 학습, 프롬프팅)부터 시스템 수준(조정, 상태, 진화)까지 아우르는 분류 체계.
• 학술 논문뿐만 아니라 실용적인 오픈소스 라이브러리와 벤치마크 포함.
• 지속적으로 업데이트되며, 커뮤니티의 기여를 적극 환영.
• arXiv 서베이 논문과 직접 연결되어 심층적인 학습 가능.