all-agentic-architectures：一套包含 35 種生產等級代理式 AI 模式的函式庫，提供統一 API 與比較基準

它解決了什麼問題

此專案提供一個統一的 Python 函式庫與教學資源，用於實作代理式 AI 模式。它消除了必須自行從文獻中手動實作複雜代理架構的需求，提供 35 種生產等級的模式，並以一致的 API 呈現，讓使用者能輕鬆在給定任務上切換與比較不同的代理策略。

它如何運作

此函式庫建立於 LangGraph 狀態機之上，將每個代理式模式封裝為可執行的 Architecture 類別。它使用「deterministic-picker pattern」確保 LLM‑as‑Scorer 的輸出必須是類別型特徵（如布林值或列舉），而非自由文字，從而讓 Python 處理最終的決策邏輯。函式庫與供應商無關，支援多種 LLM 供應商，包括 Nebius、OpenAI、Anthropic、Groq 等，皆可透過單一環境變數切換。

目標對象

AI 開發者與研究者，想要在不撰寫樣板程式碼的情況下實作、測試與基準不同的代理架構（如 Reflection、ReAct、GraphRAG 等），以及想要擁有「可執行教科書」的代理式 AI 學生。

重點特色

• 35 種生產等級架構：涵蓋推理與反思、抽樣與搜尋、RAG、記憶、工具與行動，以及多代理系統。
• Deterministic‑Picker 紀律：透過類別型承諾的技術方法，避免 LLM 評分時出現「平帶病態」問題。
• 多供應商支援：可無縫在 9 種不同 LLM 供應商之間切換，且不需更改程式碼。
• 比較基準：包含 17 項任務套件，用於對各架構在特定任務上的表現進行排名。
• 實務證據：每個模式皆附有 Jupyter notebook，理論說明基於實際捕獲的 LLM 輸出。

---

摘要： 一個 Python 函式庫與可執行教科書，提供 35 種生產等級的代理式 AI 模式，具統一 API 與多供應商支援。

標題： all-agentic-architectures：一套包含 35 種生產等級代理式 AI 模式的函式庫，提供統一 API 與比較基準