Agentic Workflow Patterns
1.0.0
El flujo de trabajo de Agentic Patterns es un repositorio que muestra las mejores prácticas y patrones de diseño para construir flujos de trabajo de agentes múltiples y agentes en Python. Este repositorio enfatiza las técnicas de diseño modulares, escalables y reutilizables, con el objetivo de facilitar la automatización inteligente y la gestión robusta del flujo de trabajo a través de arquitecturas de agentes múltiples de agente único y colaborativo. Este repositorio está acompañado de un artículo medio que se sumerge profundamente en los patrones en profundidad más: Diseño de arquitecturas cognitivas: patrones de flujo de trabajo de agente desde cero
Este repositorio proporciona ejemplos y plantillas para diseñar flujos de trabajo de agente, que son flujos de trabajo compuestos por agentes autónomos, cada uno responsable de tareas distintas. El enfoque está en crear componentes reutilizables que se pueden adaptar para varias tareas de automatización, lo que permite la toma de decisiones inteligentes y el procesamiento simplificado.
El patrón de reflexión implementa un sistema de generación y refinamiento de contenido iterativo utilizando un marco crítico actor. Este patrón permite que la generación de contenido autoinforme a través de bucles de retroalimentación continua entre un actor (generador de contenido) y un crítico (revisor de contenido).
? Todo el código para este patrón se puede encontrar aquí .
El patrón de acceso web implementa un flujo de trabajo de agente para recuperar, procesar y resumir el contenido web. Orquesta una tubería de agentes especializados que manejan diferentes aspectos de la adquisición y procesamiento de contenido web a través de la búsqueda, el raspado y el resumen de las operaciones.
? Todo el código para este patrón se puede encontrar aquí .
El patrón de enrutamiento semántico implementa un flujo de trabajo de agente para enrutar de manera inteligente las consultas de los usuarios a agentes especializados basados en la intención semántica. Este patrón utiliza una arquitectura coordinadora-delegada donde una principal planificación de viajes determina la intención del usuario y las solicitudes de rutas a subciburentes especializados para tareas específicas relacionadas con los viajes como la reserva de vuelos, las búsquedas de hoteles y los alquileres de automóviles.
? Todo el código para este patrón se puede encontrar aquí .
El patrón de delegación paralelo procesa consultas complejas al identificar distintas entidades a través del reconocimiento de entidades nombrado (NER) y delegar estas entidades a agentes especializados para el procesamiento paralelo. Es efectivo para escenarios en los que las subasinas independientes se pueden ejecutar simultáneamente.
? Todo el código para este patrón se puede encontrar aquí .
El patrón de fragmento dinámico procesa eficientemente grandes conjuntos de datos dividiendo dinámicamente la carga de trabajo en fragmentos más pequeños y manejables y procesándolos en paralelo. Este patrón se demuestra obteniendo biografías de celebridades utilizando la búsqueda web (discutido en el patrón 2).
? Todo el código para este patrón se puede encontrar aquí .
El patrón de descomposición de la tarea divide una tarea compleja en subtareas independientes, cada una gestionada por agentes de sub-tareas separados. Este patrón es beneficioso para mejorar la eficiencia y la escalabilidad.
? Todo el código para este patrón se puede encontrar aquí .
El patrón de descomposición dinámica descompone de forma autónoma tareas complejas en múltiples subtareas utilizando un modelo de lenguaje grande (LLM) para generar subtareas, procesadas por agentes separados.
? Todo el código para este patrón se puede encontrar aquí .
El patrón de orquestación DAG (gráfico acíclico dirigido) maneja flujos de trabajo complejos de manera flexible, lo que permite la ejecución de múltiples tareas en un orden especificado. Utiliza un DAG definido por YAML para estructurar el flujo de trabajo.
? Todo el código para este patrón se puede encontrar aquí .
Clon este repositorio para comenzar. Este proyecto requiere Python 3.8 o posterior.
pip (viene con Python 3.8+) Clon el repositorio:
git clone https://github.com/arunpshankar/Agentic-Workflow-Patterns.git
cd Agentic-Workflow-PatternsConfigurar un entorno virtual:
python -m venv .venv
source .venv/bin/activate # On Windows, use `.venvScriptsactivate`Actualizar las dependencias de PIP e Instalar:
pip install --upgrade pip
pip install -r requirements.txt Cree una carpeta credentials en la raíz del proyecto:
mkdir credentialsConfigurar credenciales de cuenta de servicio GCP:
key.json en la carpeta credentials .Configurar credenciales de API de SERP:
key.yml en la carpeta credentials . serp :
key : your_serp_api_key_here Nota : La carpeta de credentials se incluye en .gitignore para evitar que se cometan información confidencial.
Para mantener un entorno limpio y deshabilitar la generación de Bytecode de Python, configure las siguientes variables de entorno:
export PYTHONDONTWRITEBYTECODE=1
export PYTHONPATH= $PYTHONPATH :../src/patterns/ - contiene todo el código fuente para los patrones de flujo de trabajo../data/patterns/ - Contiene plantillas para el sistema y las indicaciones del usuario, los esquemas JSON para salidas estructuradas y las salidas (finales e intermedias) de los agentes. Después de configurar el entorno, puede comenzar a experimentar con los patrones de flujo de trabajo incluidos en este repositorio. Cada patrón está documentado con ejemplos para demostrar su aplicación en la creación de flujos de trabajo de agente.
Por ejemplo, para ejecutar el patrón de reflexión:
python src/patterns/reflection/pipeline.py¡Agradecemos y apreciamos las contribuciones! He aquí cómo contribuir a los patrones de flujo de trabajo de agente :
git checkout -b feature-branch-namegit commit -m " Add feature or fix description "Agregue pruebas si corresponde para mantener la estabilidad del repositorio.
Este repositorio tiene licencia bajo la licencia MIT. Consulte el archivo de licencia para obtener más detalles.
