智能体设计模式实战学习项目

基于 LangGraph 的 21 种核心智能体模式实现

📚 项目简介

本项目是基于《智能体设计模式》及业界最佳实践，使用 LangGraph 实现的 21 种核心智能体模式。所有模式分为四大类：核心架构类、推理增强类、系统稳健类、高级交互类。

🎯 模式分类

一、核心架构类 (Architectural Patterns)

定义智能体的基本工作流结构和组织方式。

• 提示链 (Prompt Chaining) - 线性流水线：A -> B -> C
• 路由 (Routing) - 条件分发：根据意图分类，将任务派发给特定专家
• 并行化 (Parallelization) - 并发执行：同时运行多个任务，最后聚合结果
• 规划 (Planning) - 拆解-执行：生成 Todo List，逐个击破，动态调整
• 多智能体协作 (Multi-Agent) - 分工合作：不同角色的智能体协同

二、推理与认知增强类 (Cognitive & Inference Patterns)

增强模型解决复杂问题的"脑力"。

• 推理技术 (CoT/ToT) - 思维树/思维链：展示思考过程，探索多条路径并回溯
• 探索与发现 (Exploration) - 假设-验证：主动提出假设，搜集信息验证
• 学习与适应 (Learning) - 经验库：任务结束后总结经验，存入库中供下次参考
• 记忆管理 (Memory) - 上下文压缩：摘要长对话，管理短期/长期记忆

三、系统稳健与工程化类 (Robustness & Engineering Patterns)

确保系统在生产环境稳定、高效、安全运行。

• 异常处理 (Exception Handling) - 重试与降级：Try-Catch 机制，失败时切换备用模型
• 资源感知优化 (Resource-Aware) - 成本路由：简单任务用小模型，难任务用大模型
• 护栏/安全 (Guardrails) - 输入/输出审计：增加审查节点，拦截违规内容

四、高级交互与策略类 (Interaction & Strategy Patterns)

处理人机关系及复杂决策策略。

• 人机协同 (HITL) - 中断与审批：关键步骤暂停，等待人类确认或修改
• 知识检索 (RAG) - 挂载知识库：检索相关文档 -> 注入 Prompt -> 生成

📁 项目结构

agent_patterns/
├── agentLearning/          # 中文命名的模式实现
│   ├── 提示链.ts
│   ├── 路由.ts
│   ├── 并行化.ts
│   ├── 规划.ts
│   ├── 多智能体协作.ts
│   ├── 推理技术.ts
│   ├── 探索与发现.ts
│   ├── 学习与适应.ts
│   ├── 记忆管理.ts
│   ├── 异常处理.ts
│   ├── 资源感知优化.ts
│   ├── 护栏.ts
│   ├── 人机协同.ts
│   └── 知识检索.ts
├── src/                    # 英文命名的模式实现
├── agent_patterns_summary.md  # 模式总结文档
├── package.json
└── tsconfig.json

🚀 快速开始

安装依赖

npm install

配置环境变量

创建 .env 文件：

OPENAI_API_KEY=your_api_key_here

运行示例

# 运行提示链模式
npm run dev agentLearning/提示链.ts

# 运行路由模式
npm run dev agentLearning/路由.ts

📖 详细文档

查看 agent_patterns_summary.md 了解每个模式的详细说明、核心逻辑和适用场景。

🛠️ 技术栈

• LangGraph - 构建有状态的智能体工作流
• LangChain - LLM 应用开发框架
• TypeScript - 类型安全的 JavaScript
• OpenAI API - 大语言模型接口

📝 许可证

MIT License

🤝 贡献

欢迎提交 Issue 和 Pull Request！