Agentic Workflow Patterns

Pola alur kerja agen?

Pola alur kerja agen adalah repositori yang menampilkan praktik terbaik dan pola desain untuk membangun alur kerja multi-agen dan agen di Python. Repositori ini menekankan teknik desain yang modular, scalable, dan dapat digunakan kembali, yang bertujuan untuk memfasilitasi otomatisasi cerdas dan manajemen alur kerja yang kuat melalui arsitektur multi-agen agen tunggal dan kolaboratif. Repositori ini disertai dengan artikel menengah yang menyelam dalam ke dalam pola secara mendalam: merancang arsitektur kognitif: pola alur kerja agen dari awal

Daftar isi

• Ringkasan
• Tinjauan Pola
• Memulai
• Instalasi
• Pengaturan Lingkungan
• Penggunaan
• Struktur proyek
• Berkontribusi
• Lisensi

Ringkasan

Repositori ini memberikan contoh dan templat untuk merancang alur kerja agen, yang merupakan alur kerja yang terdiri dari agen mandiri, masing-masing bertanggung jawab untuk tugas yang berbeda. Fokusnya adalah pada pembuatan komponen yang dapat digunakan kembali yang dapat disesuaikan untuk berbagai tugas otomatisasi, memungkinkan pengambilan keputusan yang cerdas dan pemrosesan ramping.

Tinjauan Pola

Pola 1 - Refleksi

Pola refleksi mengimplementasikan generasi konten dan sistem penyempurnaan yang berulang menggunakan kerangka kerja aktor-kritik. Pola ini memungkinkan pembuatan konten yang meningkatkan diri melalui loop umpan balik berkelanjutan antara aktor (generator konten) dan kritikus (peninjau konten).

? Semua kode untuk pola ini dapat ditemukan di sini .

Pola 2 - Akses Web

Pola akses web mengimplementasikan alur kerja agen untuk mengambil, memproses, dan merangkum konten web. Ini mengatur pipa agen khusus yang menangani berbagai aspek akuisisi dan pemrosesan konten web melalui pencarian, pengikis, dan merangkum operasi.

? Semua kode untuk pola ini dapat ditemukan di sini .

Pola 3 - Routing Semantik

Pola routing semantik mengimplementasikan alur kerja agen untuk merutekan permintaan pengguna dengan agen khusus berdasarkan niat semantik. Pola ini menggunakan arsitektur koordinator-delegasi di mana TravelPlannerAgent utama menentukan niat pengguna dan rute permintaan ke sub-agen khusus untuk tugas-tugas terkait perjalanan tertentu seperti pemesanan penerbangan, pencarian hotel, dan penyewaan mobil.

? Semua kode untuk pola ini dapat ditemukan di sini .

Pola 4 - Delegasi Paralel

Pola delegasi paralel memproses permintaan kompleks dengan mengidentifikasi entitas yang berbeda melalui pengakuan entitas bernama (NER) dan mendelegasikan entitas ini kepada agen khusus untuk pemrosesan paralel. Ini efektif untuk skenario di mana sub-tugas independen dapat dieksekusi secara bersamaan.

? Semua kode untuk pola ini dapat ditemukan di sini .

Pola 5 - Sharding Dinamis

Pola sharding dinamis secara efisien memproses kumpulan data besar dengan secara dinamis membagi beban kerja menjadi pecahan yang lebih kecil dan dapat dikelola dan memprosesnya secara paralel. Pola ini ditunjukkan dengan mengambil biografi selebriti menggunakan pencarian web (dibahas dalam pola 2).

? Semua kode untuk pola ini dapat ditemukan di sini .

Pola 6 - Dekomposisi Tugas

Pola dekomposisi tugas membagi tugas yang kompleks menjadi subtugas independen, masing-masing dikelola oleh agen sub-tugas yang terpisah. Pola ini bermanfaat untuk meningkatkan efisiensi dan skalabilitas.

? Semua kode untuk pola ini dapat ditemukan di sini .

Pola 7 - Dekomposisi Dinamis

Pola dekomposisi dinamis secara otonom menguraikan tugas -tugas kompleks menjadi beberapa subtugas menggunakan model bahasa besar (LLM) untuk menghasilkan subtugas, diproses oleh agen terpisah.

? Semua kode untuk pola ini dapat ditemukan di sini .

Pola 8 - DAG Orchestration

Pola orkestrasi DAG (Diarahkan Acyclic Graph) mengelola alur kerja yang kompleks secara fleksibel, memungkinkan untuk pelaksanaan beberapa tugas dalam urutan yang ditentukan. Ini menggunakan DAG yang ditentukan YAML untuk menyusun alur kerja.

? Semua kode untuk pola ini dapat ditemukan di sini .

Memulai

Kloning repositori ini untuk memulai. Proyek ini membutuhkan Python 3.8 atau lebih baru.

Prasyarat

• Python 3.8+
• pip (hadir dengan Python 3.8+)

Instalasi

1. Klon Repositori:

   git clone https://github.com/arunpshankar/Agentic-Workflow-Patterns.git
   cd Agentic-Workflow-Patterns

2. Siapkan lingkungan virtual:

   python -m venv .venv
   source .venv/bin/activate  # On Windows, use `.venvScriptsactivate`

3. Tingkatkan PIP dan instal dependensi:

   pip install --upgrade pip
   pip install -r requirements.txt

Menyiapkan kredensial?

1. Buat folder credentials di root proyek:

   mkdir credentials

2. Siapkan Kredensial Akun Layanan GCP:

   • Buka Google Cloud Console (https://console.cloud.google.com/).
   • Buat atau pilih proyek yang ada.
   • Arahkan ke "API & Services"> "Kredensial".
   • Klik "Buat Kredensial"> "Kunci Akun Layanan".
   • Pilih JSON sebagai jenis kunci, dan klik "Buat".
   • Simpan file JSON yang diunduh sebagai key.json di folder credentials .

3. Mengatur kredensial SERP API:

   • Daftar untuk akun SERP API di https://serpapi.com/.
   • Dapatkan kunci API Anda dari dasbor.
   • Buat file bernama key.yml di folder credentials .
   • Tambahkan token API SERP Anda:

      serp :
       key : your_serp_api_key_here

Catatan : Folder credentials termasuk dalam .gitignore untuk mencegah informasi sensitif dari berkomitmen.

Pengaturan Lingkungan?

Untuk mempertahankan lingkungan yang bersih dan nonaktifkan pembuatan kode python, konfigurasikan variabel lingkungan berikut:

 export PYTHONDONTWRITEBYTECODE=1
export PYTHONPATH= $PYTHONPATH :.

Struktur proyek

• ./src/patterns/ - berisi semua kode sumber untuk pola alur kerja.
• ./data/patterns/ - berisi templat untuk sistem dan petunjuk pengguna, skema JSON untuk output terstruktur, dan output (final dan menengah) dari agen.

Penggunaan

Setelah menyiapkan lingkungan, Anda dapat mulai bereksperimen dengan pola alur kerja yang termasuk dalam repositori ini. Setiap pola didokumentasikan dengan contoh untuk menunjukkan penerapannya dalam membangun alur kerja agen.

Misalnya, untuk menjalankan pola refleksi:

python src/patterns/reflection/pipeline.py

Berkontribusi?

Kami menyambut dan menghargai kontribusi! Inilah cara berkontribusi pada pola alur kerja agen :

1. Fork The Repository : Buat garpu Anda sendiri di GitHub untuk membuat perubahan secara mandiri.
2. Buat cabang : Bekerja di cabang terpisah untuk setiap fitur atau perbaiki.

   git checkout -b feature-branch-name

3. Buat perubahan : Jaga agar gaya kode konsisten dan pastikan perubahan Anda didokumentasikan dengan baik.
4. Komitmen Anda : Tulis pesan komit yang jelas dan ringkas.

   git commit -m " Add feature or fix description "

5. Kirimkan permintaan tarik : Dorong perubahan Anda dan buka permintaan tarik.

Pedoman

• Gaya pengkodean : Ikuti konvensi kode yang ada.
• Dokumentasi : Pastikan kode dan kontribusi Anda didokumentasikan dengan baik.
• Pengujian :

Tambahkan tes jika berlaku untuk menjaga stabilitas repositori.

• Pelaporan masalah : Laporkan bug atau sarankan fitur melalui masalah.

Lisensi

Repositori ini dilisensikan di bawah lisensi MIT. Lihat file lisensi untuk detailnya.