# 🚀 專案總覽：Agentic Design Patterns and Orchestration

這個專案是一個**智能代理設計模式與協調系統**，主要目的是展示和實作四種常見的智能代理設計模式，並提供多種代理框架的實作範例。

https://github.com/Kiwi1009/adpao

### 🎯 專案主要功能

這個應用程式是一個**智能代理系統**，可以：
1. **反思改進**：讓AI反思自己的輸出並持續改進
2. **規劃執行**：讓AI制定計劃並按步驟執行任務
3. **工具使用**：讓AI調用各種工具來完成複雜任務
4. **多代理協作**：讓多個AI代理協同工作

### �� 專案結構分析

#### 1. **核心設計模式** (`src/` 目錄)
- **`reflection_agent/`** - 反思代理模式
- **`planning_agent/`** - 規劃代理模式
- **`tool_agent/`** - 工具使用代理模式
- **`multi_agent/`** - 多代理協作模式

#### 2. **代理框架實作** (`agent_frameworks/` 目錄)
- **AutoGen** - 微軟的多代理框架
- **CrewAI** - 專門的多代理協作框架
- **Swarm** - OpenAI的代理框架
- **LangGraph** - LangChain的圖形化代理框架

#### 3. **教學範例** (`design_patterns/` 目錄)
- Jupyter notebooks 展示每種設計模式的實作

### 🔧 技術架構

#### **輸入 (Input)**
- 用戶的自然語言指令
- 系統提示詞 (System Prompts)
- 工具定義和函數簽名

#### **中間執行過程**
1. **語言模型處理**：使用 OpenAI GPT 模型
2. **提示工程**：結構化的提示詞管理
3. **工具調用**：函數調用和參數驗證
4. **狀態管理**：對話歷史和上下文追蹤
5. **迭代優化**：多輪反思和改進

#### **使用工具**
- **OpenAI API**：核心語言模型
- **Python 標準庫**：基礎功能
- **Gradio**：Web 介面
- **Graphviz**：代理關係圖形化
- **Colorama**：終端彩色輸出

#### **輸出 (Output)**
- 改進後的文本內容
- 執行的工具結果
- 多代理協作的最終答案
- 可視化的代理工作流程

### 📚 詳細程式說明

#### **1. Reflection Agent (反思代理)**

# 主要功能：讓AI反思並改進自己的輸出
class ReflectionAgent:
    def generate(self, history): # 生成初始回應
    def reflect(self, history):  # 反思並提供建議
    def run(self, user_msg, n_steps=3): # 執行多輪反思循環

**工作流程**：
1. 接收用戶請求 → 生成初始回應
2. 反思初始回應 → 提供改進建議
3. 根據建議修改 → 重複直到滿意

#### **2. Planning Agent (規劃代理)**

# 主要功能：制定計劃並按步驟執行
class ReactAgent:
    def run_interactive(self, user_msg): # 互動式執行
    def process_tool_calls(self, tool_calls): # 處理工具調用

**工作流程**：
1. 分析用戶需求 → 制定執行計劃
2. 選擇合適工具 → 按步驟執行
3. 觀察結果 → 調整下一步行動

#### **3. Tool Agent (工具代理)**

# 主要功能：調用各種工具完成任務
class ToolAgent:
    def process_tool_calls(self, tool_calls): # 處理工具調用
    def add_tool_signatures(self): # 收集工具簽名

**工作流程**：
1. 識別需要的工具 → 驗證參數
2. 執行工具調用 → 收集結果
3. 整合結果 → 返回給用戶

#### **4. Multi-Agent (多代理協作)**

# 主要功能：多個AI代理協同工作
class Crew:
    def topological_sort(self): # 拓撲排序代理依賴
    def plot(self): # 可視化代理關係

**工作流程**：
1. 定義代理角色 → 建立依賴關係
2. 按順序執行 → 傳遞結果
3. 協調合作 → 完成複雜任務

### 🚀 實際使用範例

#### **啟動方式**

# 1. 安裝依賴
pip install -r requirements.txt

# 2. 設定環境變數
echo "OPENAI_API_KEY=your_key_here" > .env

# 3. 執行不同框架
python agent_frameworks/autogen_multi_agent/main.py
python agent_frameworks/crewai_multi_agent/main.py

#### **使用場景**
- **程式碼生成與改進**：使用反思代理
- **複雜任務規劃**：使用規劃代理
- **API調用與工具整合**：使用工具代理
- **團隊協作任務**：使用多代理系統

### 💡 學習價值

這個專案展示了：
1. **現代AI代理架構**的設計原則
2. **提示工程**的最佳實踐
3. **工具整合**的實作方法
4. **多代理協作**的系統設計
5. **不同框架**的比較和選擇