ruvnet/agentic-flow

What it solves

Agentic-Flow 是一个生产级的 AI 代理编排框架。它解决了管理大量专门化代理的复杂性，减少将任务路由到正确代理的开销，降低 LLM 的运营成本，并提升多代理共识与记忆检索的准确性和速度。

How it works

系统使用“自我优化神经架构”(SONA) 进行毫秒级模式学习和自适应路由。它集成 AgentDB 实现高级记忆管理，采用多种注意力机制（Flash、Linear、Hyperbolic 和 MoE）以及图神经网络 (GNN) 来细化查询并提升召回率。框架提供 66 个预构建的专门化代理（如编码员、审查员、规划员）和 213 个 MCP 工具，用于与 GitHub 等平台的协同与集成。

Who it’s for

• Developers 想要使用预构建的专门化代理和高性能本地代码编辑，构建复杂的多代理系统。
• Businesses 希望在扩展代理工作流的同时，降低 LLM 令牌成本和基础设施开销。
• Researchers 对在代理群体中实现和测试最前沿的注意力机制与图感知推理感兴趣。

Highlights

• SONA Adaptive Learning：毫秒级模式检索和 LoRA 微调，实现实时适应。
• Advanced Attention：支持 Flash Attention（最高 7.47 倍加速）、长序列的 Linear Attention，以及层级群体的 Hyperbolic Attention。
• Lage Agent Library：66 个自学习代理，通过“ReasoningBank”记忆系统自主提升。
• GNN Query Refinement：通过图上下文整合，使信息召回率提升 12.4%。
• Cost Efficiency：智能模型路由（如 Sonnet 与 Haiku 之间）可将成本降低最高 60%。
• Extensive Tooling：213 个 MCP 工具，用于群体初始化、记忆管理和 GitHub 集成。