Agentic Patterns

Source: https://github.com/nibzard/awesome-agentic-patterns at 87538fdeccf6
License: Apache-2.0
Read the English original

This edition is an AI-assisted translation.

Awesome Agentic Patterns

Um catálogo selecionado de padrões de IA agêntica — truques, fluxos de trabalho e miniarquiteturas do mundo real que ajudam agentes de IA autônomos ou semiautônomos a realizar tarefas úteis em produção.

Por quê? Tutoriais mostram demonstrações simplificadas. Produtos reais escondem as partes complexas. Esta lista apresenta padrões reutilizáveis que preenchem essa lacuna para que todos possam lançar agentes mais inteligentes e rápidos.

---

O que conta como padrão?

• Repetível – usado por mais de uma equipe.
• Centrado no agente – melhora a percepção, o raciocínio ou as ações de um agente de IA.
• Rastreável – respaldado por uma referência pública: artigo, palestra, repositório ou publicação.

Se seu link atender a esses critérios, ele pertence a esta lista.

---

🌐 Explore o site

Acesse: https://agentic-patterns.com

O site oferece ferramentas avançadas de descoberta além deste README:

• Pattern Explorer: navegue, filtre e pesquise todos os padrões por categoria, status, complexidade e outros critérios
• Compare Tool: compare vários padrões lado a lado por seus atributos comuns
• Decision Explorer: guia interativo para encontrar o padrão adequado ao seu caso de uso
• Graph Visualization: mapa visual das relações e conexões entre padrões
• Pattern Packs: coleções selecionadas de padrões para arquiteturas de agentes comuns
• Developer Guides: documentação detalhada sobre seleção e uso dos padrões
• Dark Mode: suporte completo a temas para uma leitura confortável em qualquer ambiente

Criado com Astro, implantado na Vercel, código-fonte em apps/web/.

---

Visão geral das categorias

Categoria	O que você encontrará
Contexto e memória	Curadoria por janela deslizante, cache vetorial, memória episódica
Ciclos de feedback	Compiladores, CI, revisão humana, novas tentativas autocorretivas
Aprendizado e adaptação	Agent RFT, bibliotecas de habilidades, RL baseado em variância
Orquestração e controle	Decomposição de tarefas, criação de subagentes, roteamento de ferramentas
Confiabilidade e avaliação	Proteções, estruturas de avaliação, registros, reprodutibilidade
Segurança e proteção	VMs isoladas, tokenização de dados pessoais, varredura de segurança
Uso de ferramentas e ambiente	Shell, navegador, banco de dados, Playwright, técnicas de sandbox
UX e colaboração	Transferência de prompts, commits preparados, agentes em segundo plano assíncronos

As categorias são flexíveis — abra uma PR se encontrar uma divisão melhor! As tabelas abaixo são geradas automaticamente a partir da pasta patterns/.

---

Contexto e memória

• Agent-Powered Codebase Q&A / Onboarding
• Context Budget as a Governed Resource
• Context Window Anxiety Management
• Context Window Auto-Compaction
• Context-Minimization Pattern
• Cross-Agent Lesson Sharing via Git
• Curated Code Context Window
• Curated File Context Window
• Dynamic Context Injection
• Episodic Memory Retrieval & Injection
• Filesystem-Based Agent State
• Layered Configuration Context
• Memory Synthesis from Execution Logs
• Proactive Agent State Externalization
• Progressive Disclosure for Large Files
• Prompt Caching via Exact Prefix Preservation
• Schema-Guided Graph Retrieval for Multi-Hop Reasoning
• Self-Identity Accumulation
• Semantic Context Filtering Pattern
• Session-Scoped Context Runtime for Agent Tools
• Tool Search Lazy Loading
• Working Memory via TodoWrite

Ciclos de feedback

• AI-Assisted Code Review / Verification
• Background Agent with CI Feedback
• Coding Agent CI Feedback Loop
• Deterministic Grader in the Loop
• Dogfooding with Rapid Iteration for Agent Improvement
• Graph of Thoughts (GoT)
• Incident-to-Eval Synthesis
• Inference-Healed Code Review Reward
• Iterative Prompt & Skill Refinement
• Reflection Loop
• Rendered UI Finish Gate
• Rich Feedback Loops > Perfect Prompts
• Self-Critique Evaluator Loop
• Self-Discover: LLM Self-Composed Reasoning Structures
• Spec-As-Test Feedback Loop
• Tool Use Incentivization via Reward Shaping

Aprendizado e adaptação

• Agent Reinforcement Fine-Tuning (Agent RFT)
• Commitment Ledger with Reality-Gated Credit
• Compounding Engineering Pattern
• Frontier-Focused Development
• Memory Reinforcement Learning (MemRL)
• Persistent Test Memory Feedback Loop
• Shipping as Research
• Skill Library Evolution
• Variance-Based RL Sample Selection

Orquestração e controle

• 402-First Machine Payments (Price-Before-Work Tool Purchases)
• Action-Selector Pattern
• Agent Modes by Model Personality
• Agent-Driven Research
• Artifact-Driven Analysis Pipeline Orchestration
• Autonomous Workflow Agent Architecture
• Board-Mediated Async Inter-Agent Coordination
• Budget-Aware Model Routing with Hard Cost Caps
• Burn the Boats
• Capability-Escrow-Receipt
• Classify-Then-Act for Background Agents
• Conditional Parallel Tool Execution
• Continuous Autonomous Task Loop Pattern
• Cross-Cycle Consensus Relay
• Cross-Domain Agent Conflict Resolution
• Custom Sandboxed Background Agent
• Declarative Multi-Agent Topology Definition
• Design-Time File Partition as Concurrency Control
• Deterministic Zero-LLM Orchestration
• Discrete Phase Separation
• Disposable Scaffolding Over Durable Features
• Distributed Execution with Cloud Workers
• Dual LLM Pattern
• Dual-Rail Message Delivery
• Economic Value Signaling in Multi-Agent Networks
• Explicit Posterior-Sampling Planner
• Factory over Assistant
• Feature List as Immutable Contract
• Hybrid LLM/Code Workflow Coordinator
• Inference-Time Scaling
• Initializer-Maintainer Dual Agent Architecture
• Inversion of Control
• Iterative Multi-Agent Brainstorming
• Lane-Based Execution Queueing
• Language Agent Tree Search (LATS)
• LLM Map-Reduce Pattern
• Markdown Polis — Multi-Vendor Agent Coordination via Filesystem Constitution
• Multi-Model Orchestration for Complex Edits
• Non-Generative Judgment Routing with Typed Escalation
• Opponent Processor / Multi-Agent Debate Pattern
• Oracle and Worker Multi-Model Approach
• Parallel Tool Call Learning
• Plan-Then-Execute Pattern
• Planner-Worker Separation for Long-Running Agents
• Progressive Autonomy with Model Evolution
• Progressive Complexity Escalation
• Recursive Best-of-N Delegation
• Self-Rewriting Meta-Prompt Loop
• Signal-Driven Agent Activation
• Specification-Driven Agent Development
• Stop Hook Auto-Continue Pattern
• Sub-Agent Spawning
• Subject Hygiene for Task Delegation
• Swarm Migration Pattern
• Three-Stage Perception Architecture
• Tool Capability Compartmentalization
• Tool Selection Guide
• Tracker-as-Desired-State Reconciliation
• Tree-of-Thought Reasoning
• Workspace-Native Multi-Agent Orchestration

Confiabilidade e avaliação

• Action Caching & Replay Pattern
• Adaptive Sandbox Fan-Out Controller
• Agent Circuit Breaker
• Anti-Reward-Hacking Grader Design
• Asynchronous Coding Agent Pipeline
• Canary Rollout and Automatic Rollback for Agent Policy Changes
• CriticGPT-Style Code Review
• Dead-Man’s Switch for Scheduled Agent Jobs
• Evidence-Layered Evaluation for Interactive Agents
• Extended Coherence Work Sessions
• Failover-Aware Model Fallback
• Lethal Trifecta Threat Model
• LLM Observability
• Merged Code + Language Skill Model
• No-Token-Limit Magic
• Orchestration Prompt-Writing Benchmark
• Out-of-Process Provider-Boundary Replay
• Output Verification Loop
• Own-Check Fault Injection
• Reasoning-Token Firewall
• Reliability Problem Map Checklist for RAG and Agents
• RLAIF (Reinforcement Learning from AI Feedback)
• Schema Validation Retry with Cross-Step Learning
• Skill Activation as a Precision/Recall Measurement
• Structured Output Specification
• Subagent Compilation Checker
• Tier Auto-Apply by Mechanical Impact
• Versioned Constitution Governance
• Workflow Evals with Mocked Tools

Segurança e proteção

• Authenticated Authority Channel
• Black-Box Skill Invocation
• Consequence-Family Coverage Audit
• Cryptographic Governance Audit Trail
• Denial Tracking & Permission Escalation
• Deterministic Security Scanning Build Loop
• Deterministic Threat Rule Scanning
• Evidence Questions, Not Verdict Questions
• Exact-Action Authorization Binding
• External Credential Sync
• Hook-Based Safety Guard Rails for Autonomous Code Agents
• Isolated VM per RL Rollout
• Local-First Credential Broker
• Non-Custodial Spending Controls
• One OS User per Agent
• PII Tokenization
• Policy-Gated Tool Proxy
• Sandboxed Tool Authorization
• Soulbound Identity Verification
• Transitive Vouch-Chain Trust
• Zero-Knowledge Verified Agent Egress
• Zero-Trust Agent Mesh

Uso de ferramentas e ambiente

• Agent SDK for Programmatic Control
• Agent-First Tool Discovery
• Agent-First Tooling and Logging
• Agentic Search Over Vector Embeddings
• AI Web Search Agent Loop
• CLI-First Skill Design
• CLI-Native Agent Orchestration
• Code Mode MCP Tool Interface Improvement Pattern
• Code-Over-API Pattern
• Code-Then-Execute Pattern
• Cross-Protocol Agent Discovery
• Dual-Use Tool Design
• Dynamic Code Injection (On-Demand File Fetch)
• Egress Lockdown (No-Exfiltration Channel)
• Filesystem-Mediated Host Delegation
• Intelligent Bash Tool Execution
• LLM-Friendly API Design
• MCP Pattern Injection
• Multi-Platform Communication Aggregation
• Multi-Platform Webhook Triggers
• Patch Steering via Prompted Tool Selection
• Precomputed Code Graph Lookup
• Progressive Tool Discovery
• Shell Command Contextualization
• Static Service Manifest for Agents
• Tool Use Steering via Prompting
• Unified Tool Gateway
• Virtual Machine Operator Agent
• Visual AI Multimodal Integration

UX e colaboração

• Abstracted Code Representation for Review
• Agent-Assisted Scaffolding
• Agent-Friendly Workflow Design
• AI-Accelerated Learning and Skill Development
• Chain-of-Thought Monitoring & Interruption
• Codebase Optimization for Agents
• Democratization of Tooling via Agents
• Dev Tooling Assumptions Reset
• Human-in-the-Loop Approval Framework
• Latent Demand Product Discovery
• Milestone Escrow for Agent Resource Funding
• Proactive Trigger Vocabulary
• Seamless Background-to-Foreground Handoff
• Spectrum of Control / Blended Initiative
• Team-Shared Agent Configuration as Code
• Verbose Reasoning Transparency

---

Para assistentes de IA (llms.txt)

Este projeto inclui llms.txt, um arquivo de documentação legível por máquinas criado para ajudar assistentes de IA e LLMs a entender e recomendar padrões adequados.

O que está incluído:

• Categorias de padrões e suas finalidades
• Padrões principais com descrições concisas
• Diretrizes de uso para assistentes de IA
• Estratégias de seleção de padrões conforme os requisitos do caso de uso

Para desenvolvedores de assistentes de IA: O arquivo llms.txt pode ser fornecido aos LLMs como contexto para melhorar as recomendações de padrões. Ele é otimizado para:

• Sistemas RAG que indexam este catálogo
• Assistentes de programação com IA que sugerem padrões
• Ferramentas com LLMs que recomendam padrões agênticos

Acesso: https://agentic-patterns.com/llms.txt (também disponível em apps/web/public/llms.txt)

---

Contribua em 3 etapas

1. Faça um fork e crie uma branch → git checkout -b add-my-pattern
2. Adicione um arquivo de padrão em patterns/ usando o modelo acima.
3. Execute bun run build:data para atualizar as seções geradas do README e os dados do site.
4. Abra uma PR com o título Add: my-pattern-name.
5. Este repositório prioriza padrões: propostas que sejam principalmente anúncios ou promoções de produtos serão rejeitadas, mesmo que sejam tecnicamente válidas.

Consulte CONTRIBUTING.md para ver os detalhes.

---

Inspiração

Este projeto começou após o artigo “O que a Sourcegraph aprendeu ao criar agentes de programação com IA” (28 de maio de 2025) e o diário em vídeo contínuo Raising an Agent. Muitos dos primeiros padrões vieram diretamente dessas lições — obrigado a todos que compartilham sua jornada abertamente!

---

Licença

Apache‑2.0. Consulte LICENSE.

---

Histórico de estrelas