本目录下的设计模式代码实现对应开源项目：xindoo/agentic-design-patterns。
离线电子书阅读：中英双语 EPUB 版位于docs/books/agentic-design-patterns-cn.epub与docs/books/agentic-design-patterns-en.epub。
深入理论、底层 Harness 与排雷地图请参阅：docs/books/AI-Agents-in-Depth-QuickStart.md。
基于 Anthropic《Building effective agents》与行业实践，覆盖 8 大核心设计模式：
| 章节 | 模式名称 (Pattern) | 核心机制与场景 | LangChain 实现 | AutoGen 实现 |
|---|---|---|---|---|
| chap01 | Prompt Chaining（提示链模式） | 任务线性分解，前一步输出作为下一步输入 | langchain/chap01.py |
autogen/chap01.py |
| chap02 | Routing（路由模式） | 根据用户意图/输入特征动态分流到专门的处理分支 | langchain/chap02.py |
autogen/chap02.py |
| chap03 | Parallelization（并行化模式） | Sectioning（并行独立子任务）或 Voting（多样本投票） | langchain/chap03.py |
autogen/chap03.py |
| chap04 | Reflection（反思模式） | 生成者-评估者循环，通过自我批评与多轮迭代提升质量 | langchain/chap04.py |
autogen/chap04.py |
| chap05 | Tool Calling（工具调用模式） | 借助函数调用/外部 API 扩展 Agent 手脚（含本地模型兼容） | langchain/chap05.py |
autogen/chap05.py |
| chap06 | Planning（规划模式） | 复杂目标分解、动态执行步排序与基于反馈的重规划 | langchain/chap06.py |
autogen/chap06.py |
| chap07 | Multi-Agent Collaboration（多智能体协作） | 多角色分工、群聊协调与复杂流水线协作 | langchain/chap07.py |
autogen/chap07.py |
| chap08 | Memory Management（记忆管理模式） | 短期会话缓冲、长期个性化记忆池与检索注入 | langchain/chap08_01.py |
autogen/chap08.py |
本项目使用 uv 进行现代、统一的工程与依赖管理，并对所有设计模式示例统一采用 .env 环境变量配置 LLM。
# 1. 从项目根目录复制环境变量模板
cp .env.example .env
# 2. 使用 uv 安装设计模式依赖（可选择安装全部或单独安装某个框架）
uv sync --extra patterns # 同时安装 LangChain 与 AutoGen 依赖
# 或单独安装：
# uv sync --extra patterns-langchain # 仅 LangChain 依赖
# uv sync --extra patterns-autogen # 仅 AutoGen 依赖所有模式示例统一采用兼容 OpenAI 协议的接口标准，通用支持 LM Studio、Ollama、vLLM 以及各类云端大模型，无需区分后端提供商，只需配置服务地址与模型名：
| 环境变量 | 说明 | 示例值 |
|---|---|---|
LLM_BASE_URL |
模型服务接口地址（支持 LM Studio、Ollama、vLLM 等） | http://localhost:1234/v1 或 http://localhost:11434/v1 |
LLM_MODEL |
模型名称（与本地加载或云端的模型一致） | qwen3.8-27b-splash |
LLM_API_KEY |
API 密钥（本地服务如 LM Studio / Ollama 无需真实 key，保留默认即可） | not-needed |
LLM_TEMPERATURE |
全局采样温度 (可选) | 0.7 |
通过 uv run 可以在任意目录下以锁定依赖和统一环境变量运行任意章节示例：
# 运行 LangChain 模式示例
uv run python patterns/langchain/chap01.py
# 运行 AutoGen 模式示例
uv run python patterns/autogen/chap01.pylangchain/：基于 LangChain 0.2+ 的 8 大设计模式 Python 实现。autogen/：基于 AutoGen 0.4+ 的 8 大设计模式实现；quickstart/提供 AgentChat 与 Teams 快速上手用例。env.py：统一的 LLM 环境变量加载与模型工厂（同时支持 LangChain、AutoGen、CrewAI）。