Модульный учебный проект по Agentic RAG на LangGraph: иерархическая индексация, память диалога и уточнение запросов.
FareedKhan-dev/all-agentic-architectures
Библиотека на Python и интерактивный учебник в Jupyter с 35 архитектурами агентного ИИ — от Reflexion и ReAct до MemGPT и BrowserAgent — на базе LangGraph.
- Звёзды
- 4,616
- Форки
- 793
- Открытые issues
- 13
- Последний коммит
- 4 месяца назад
Что это?
Проект объединяет множество агентных паттернов из исследовательских работ, включая Reflexion, Tree of Thoughts, LATS, GraphRAG, MemGPT, Voyager и STORM, в виде готовых к запуску классов Architecture. У каждого класса одинаковый интерфейс run(task) и единый формат результата, поэтому для перехода на другой паттерн не нужно менять вызывающий код.
Библиотека работает с несколькими LLM-провайдерами, включая OpenAI, Anthropic, Groq, Ollama и Google, и переключается между ними с помощью переменной окружения. Для каждой архитектуры есть Jupyter-ноутбук с выполненными запусками, а в репозитории также представлен бенчмарк из 17 задач для сравнения архитектур.
Проект подойдёт разработчикам, которые хотят на практике разобраться в различиях между этими паттернами или получить проверенную основу для создания собственных агентных workflow на LangGraph.
Ключевые возможности
- 01Реализует 35 агентных паттернов с единым интерфейсом run(task).
- 02Поддерживает девять LLM-провайдеров, между которыми можно переключаться через переменную окружения.
- 03Для каждой архитектуры есть готовый к запуску Jupyter-ноутбук с выполненными примерами.
- 04Включает бенчмарк из 17 задач для сравнения архитектур на одинаковых заданиях.
- 05Построен на конечных автоматах LangGraph.
- 06Включает BrowserAgent, который управляет настоящим браузером через Playwright с защитным ограничением.
Сценарии использования
- Изучение практических различий между паттернами рефлексии, поиска, RAG и мультиагентными паттернами.
- Создание прототипа агентного workflow и сравнение подходящих архитектур перед выбором.
- Смена LLM-провайдера без переписывания кода агента.
- Добавление нового агентного паттерна в общий интерфейс с тестами.
Быстрый старт
- 1
Установите библиотеку с extras
pip install "agentic-architectures[nebius,faiss,tavily]" - 2
Запустите архитектуру Reflection для задачи с помощью get_llm
Что важно знать
- Для запуска примеров по умолчанию нужен API-ключ платного провайдера LLM, например Nebius, OpenAI или Anthropic.
- Результаты бенчмарка получены за один запуск модели и показывают лишь 78% правильных ответов в целом.
- Для запуска полного набора тестов и настройки провайдера нужны virtualenv и файл .env с ключами.
Темы
Частые вопросы
- Что такое all-agentic-architectures?
- Библиотека на Python и интерактивный учебник в Jupyter с 35 архитектурами агентного ИИ — от Reflexion и ReAct до MemGPT и BrowserAgent — на базе LangGraph. Проект объединяет множество агентных паттернов из исследовательских работ, включая Reflexion, Tree of Thoughts, LATS, GraphRAG, MemGPT, Voyager и STORM, в виде готовых к запуску классов Architecture. У каждого класса одинаковый интерфейс run(task) и единый формат результата, поэтому для перехода на другой паттерн не нужно менять вызывающий код.
- all-agentic-architectures можно использовать бесплатно? Какая у него лицензия?
- all-agentic-architectures распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- all-agentic-architectures всё ещё поддерживается?
- Обновлялся за последние 6 месяцев. Последний коммит в all-agentic-architectures — 22 июн. 2026 г..
- Для чего можно использовать all-agentic-architectures?
- Изучение практических различий между паттернами рефлексии, поиска, RAG и мультиагентными паттернами. Создание прототипа агентного workflow и сравнение подходящих архитектур перед выбором. Смена LLM-провайдера без переписывания кода агента. Добавление нового агентного паттерна в общий интерфейс с тестами.
- Как установить all-agentic-architectures?
- Установите библиотеку с extras: pip install "agentic-architectures[nebius,faiss,tavily]" Запустите архитектуру Reflection для задачи с помощью get_llm
- Где скачать all-agentic-architectures?
- Исходный код и инструкции по установке — на GitHub: https://github.com/FareedKhan-dev/all-agentic-architectures
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Самостоятельно размещаемое AI-пространство для обучения с персональным репетитором, вопросами и ответами, тестами, исследованиями и визуализациями, созданное на Python и Next.js.
Открытый runtime агента и терминальный TUI для долгосрочных исследований и работы с файлами, с режимами ReAct и параллельной командой агентов.
Бесплатное пошаговое руководство по созданию AI-агента на Python с LangChain и LangGraph на бесплатных моделях Groq и Gemini.
AutoGPT — платформа с открытым исходным кодом для создания, запуска и планирования AI-агентов, выполняющих многоэтапные рабочие процессы по текстовому описанию или с помощью визуального конструктора.
Самостоятельно размещаемое приложение на Node.js и React для координации команд AI-агентов: оргструктура, задачи, бюджеты и контроль.