all-agentic-architectures

一套代码跑通35种智能体架构,快速选型落地

这是一个汇集了35种生产级智能体架构的开源项目,涵盖Reflexion、LATS、GraphRAG、MemGPT、Voyager、BrowserAgent等主流范式。它既是一个Python库,也是一本可运行的教科书,支持多供应商LLM接入,并附带17项任务的基准排行榜。项目旨在解决智能体架构选择与复现的痛点,提供统一接口和标准化评估,帮助开发者快速理解、对比和落地各类智能体设计模式。核心能力包括架构实现库、交互式教程、多模型适配和基准测试框架。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 4549
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队FareedKhan-dev
所属国家
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型agentic-ai,ai-agents,langchain,langgraph,langsmith,llm
GitHub 星标★ 4549
30天Star增速
HF 下载量
上线时间2025-09-24 00:00:00
最近更新2026-09-22 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 7 步

环境要求

  • Python 环境(README 用 python -m venv 创建虚拟环境)
  • pip(用于安装 agentic-architectures 及其可选依赖)
  • 至少一个 LLM 供应商的 API Key(如 NEBIUS_API_KEY,项目无 mock 运行)
  • git(用于克隆仓库)

安装与启动步骤

  1. 1克隆仓库

    从 GitHub 拉取源码并进入项目目录,后续所有命令都在该目录执行。

    git clone https://github.com/FareedKhan-dev/all-agentic-architectures
    cd all-agentic-architectures
  2. 2创建虚拟环境

    在项目根目录创建 .venv,避免污染全局 Python 环境。

    python -m venv .venv
  3. 3激活虚拟环境

    Windows 用第一条,macOS/Linux 用第二条,激活后再装依赖。

    .venvScriptsctivate
    source .venv/bin/activate
  4. 4安装依赖

    以可编辑模式安装 dev、test、docs 及 nebius/faiss/tavily/networkx 可选依赖。

    pip install -e ".[dev,test,docs,nebius,faiss,tavily,networkx]"
  5. 5配置环境变量

    复制示例配置为 .env,再填入 NEBIUS_API_KEY 等密钥。注意 .env 不要提交。

    cp .env.example .env
  6. 6运行测试

    验证安装是否完整,README 称 283 个测试约 30 秒内全部通过。

    pytest -q
  7. 7跑第一个架构

    用统一 .run(task) 接口调用 Reflection,打印输出与得分。

    from agentic_architectures import get_llm
    from agentic_architectures.architectures import Reflection
    
    arch = Reflection(llm=get_llm(), max_iterations=2, target_score=8)
    result = arch.run("Write a haiku about a glacier.")
    
    print(result.output)
    print("score:", result.metadata["final_score"], "/ 10")

关键配置

配置项必填说明示例
NEBIUS_API_KEY是LLM 供应商密钥,写在 .env 中供 get_llm() 读取sk-xxxxxxxx
max_iterations否Reflection 等架构的最大迭代轮数,构造时传入2
target_score否架构停止迭代的目标分数(10 分制)8

如何确认成功

pytest -q 输出 283 个测试通过(约 30 秒);或运行 Reflection 示例后打印出 haiku 正文与 score。

常见问题

Q:不想克隆仓库,能直接用吗?

A:可以。README 的 Quickstart 直接执行 pip install "agentic-architectures[nebius,faiss,tavily]",随后 import 即可使用。

Q:支持哪些大模型供应商?

A:README 显示为多供应商设计,共 9 家,列举了 Nebius、OpenAI、Anthropic、Groq、Ollama 等,通过 get_llm() 统一接入。

Q:换一个架构要改下游代码吗?

A:不需要。35 个架构共用 .run(task) 接口和 ArchitectureResult 返回结构,替换类名即可切换模式。

Q:必须配置 API Key 吗?

A:必须。项目标注 0 mocked runs,所有 notebook 与基准都是真实 LLM 调用,需先在 .env 填入密钥。

注意事项

  • windows 与 macOS/Linux 的虚拟环境激活命令不同,命令不可混用。
  • 项目主体是 Jupyter Notebook,每个架构附带已真实执行的 notebook,理论说明基于实际运行结果。
  • 仓库提供 17 项基准任务与排行榜,可用于横向对比架构表现。
  • 也可通过 GitHub Codespaces 在线打开项目,免本地环境配置。

核心亮点

  • 覆盖35种主流智能体架构,从反思到图检索一应俱全,省去到处找代码的麻烦
  • 提供17项任务的统一基准排行榜,可量化对比不同架构的实际效果
  • 支持多供应商LLM接入,避免锁定单一模型,方便灵活切换和测试

不足之处

  • 文档/社区待观察
  • 项目仍处于成长阶段,部分架构实现可能不够稳定,需自行验证

适用场景

  • 研究智能体架构时,快速对比不同模式的优劣并选择适合的基线
  • 开发复杂AI应用时,直接复用成熟架构代码,加速原型验证
  • 教学或自我提升时,通过可运行代码深入理解各类智能体设计原理

替代项目

LangChain、AutoGen、CrewAI

项目介绍

all-agentic-architectures 是开发框架领域的开源项目,由 FareedKhan-dev 开发,2025 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(4,549)位列前 10%,在开发框架分类的 795 个项目里位列前 11%。

近 41 天,它的 GitHub 星标从 4,113 增加到 4,549,净增 436。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-22。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:研究智能体架构时,快速对比不同模式的优劣并选择适合的基线。同类可对比的替代方案包括 LangChain、AutoGen、CrewAI。

上一篇:ReAct

下一篇:docetl

同类项目推荐

langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 146874 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 166529 2026-08-09
pi 开源

一套 TypeScript 工具包,快速搭出能写代码的 AI agent

AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI

★ 108504 2026-09-12