trinity_coordinator

用小型模型路由+三角色编排，让 LLM 调用更可靠

TRINITY 是一个用 Elixir 编写的 LLM 协调器，旨在通过小型模型的隐藏状态路由和 Axon 协调头来智能调度大模型调用。它采用 Thinker/Worker/Verifier 的编排模式，并引入策略循环，以验收驱动的方式完成任务。该项目解决的是多模型协作中的路由和结果验证问题，核心能力包括基于隐藏状态的路由决策、任务分解与执行、结果验证与重试，以及可配置的策略循环。它适合需要精细控制 LLM 调用流程、追求结果可靠性的场景，如复杂推理、多步骤任务自动化等。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 77

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队nshkrdotcom

所属国家

官网地址https://github.com/nshkrdotcom/trinity_coordinator

GitHubhttps://github.com/nshkrdotcom/trinity_coordinator

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Elixir

技术栈/模型agentic-ai,axon,bumblebee,coordinator,credo,dialyxir,elixir,exla,exunit,hexdocs,large-language-models,llm,machine-learning,model-routing,multi-agent-systems,nshkr-ai-agents,nx,orchestration,req,router

GitHub 星标★ 77

30天Star增速

HF 下载量

上线时间2026-04-26 00:00:00

最近更新2026-09-02 00:00:00

维护状态较活跃

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

核心亮点

隐藏状态路由：利用小型模型的隐藏状态进行智能路由，降低大模型调用成本
Thinker/Worker/Verifier 编排：明确分工，提升复杂任务完成质量
策略循环：以验收驱动结果，支持自动重试与改进

不足之处

早期项目，文档和社区生态尚待观察
依赖 Elixir 和 Axon，技术栈相对小众，上手门槛较高

适用场景

多步骤复杂任务自动化（如研究、报告生成）
需要高可靠性的 LLM 应用（如代码生成、逻辑推理）
成本敏感场景，希望用小模型路由降低大模型调用量

替代项目

LangChain、LlamaIndex、Semantic Kernel

项目介绍

trinity_coordinator 是智能体领域的开源项目，由 nshkrdotcom 开发，是 2026 年新上线的项目。

它收录于智能体分类，该分类目前共有 2,499 个项目，GitHub 星标数为 77。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-02。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：多步骤复杂任务自动化（如研究、报告生成）。同类可对比的替代方案包括 LangChain、LlamaIndex、Semantic Kernel。

上一篇：Awesome-Graphs-Meet-Agents

下一篇：DataMind