all-agentic-architectures：一个包含 35 种生产级别代理 AI 模式的库，提供统一 API 与对比基准

它解决了什么问题

该项目提供了一个统一的 Python 库和教学资源，用于实现代理 AI 模式。它消除了需要手动实现文献中复杂代理架构的需求，提供 35 种生产级别的模式，拥有一致的 API，便于在给定任务上轻松切换和比较不同的代理策略。

工作原理

基于 LangGraph 状态机构建，库将每个代理模式封装为可运行的 Architecture 类。它使用“确定性选择器模式”，确保 LLM‑as‑Scorer 的输出提交为分类特征（如布尔值或枚举），而不是自由文本，从而让 Python 处理最终的决策逻辑。该库与供应商无关，支持包括 Nebius、OpenAI、Anthropic、Groq 等在内的多种 LLM 提供商，只需通过单一环境变量即可切换。

适用人群

想要实现、测试和基准不同代理架构（如 Reflection、ReAct 或 GraphRAG）的 AI 开发者和研究者，无需编写样板代码；以及希望拥有这些模式“可运行教材”的代理 AI 学生。

亮点

• 35 种生产级别架构：涵盖推理与反思、采样与搜索、RAG、记忆、工具与动作以及多代理系统。
• 确定性选择器纪律：通过使用分类承诺的技术方法，避免 LLM 打分中的“平带病理”。
• 多供应商支持：无需更改代码即可在 9 种不同的 LLM 提供商之间无缝切换。
• 对比基准：包含 17 项任务套件，用于对架构在特定任务上的表现进行排名。
• 真实案例证据：每种模式都配有 Jupyter Notebook，理论基于实际捕获的 LLM 输出编写。

摘要： 一个提供统一 API 与多供应商支持的 Python 库和可运行教材，包含 35 种生产级别的代理 AI 模式。

标题： all-agentic-architectures：一个包含 35 种生产级别代理 AI 模式的库，提供统一 API 与对比基准