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

Подборка паттернов агентного ИИ — практических приёмов, рабочих процессов и мини-архитектур, помогающих автономным и полуавтономным ИИ-агентам выполнять полезные задачи в промышленной среде.

Зачем? В руководствах показывают упрощённые примеры, а реальные продукты скрывают сложные детали. В этом списке собраны повторяемые паттерны, которые устраняют разрыв и помогают выпускать более умных и быстрых агентов.

---

Что считается паттерном?

• Повторяемый — используется более чем одной командой.
• Ориентированный на агента — улучшает восприятие, рассуждение или действия ИИ-агента.
• Проверяемый — подтверждён общедоступным источником: статьёй, докладом, репозиторием или научной работой.

Если ваша ссылка соответствует этим критериям, ей место здесь.

---

🌐 Исследуйте сайт

Перейти: https://agentic-patterns.com

На сайте доступны мощные инструменты поиска помимо этого README:

• Pattern Explorer: просмотр, фильтрация и поиск паттернов по категории, статусу, сложности и другим параметрам
• Compare Tool: сравнение нескольких паттернов рядом по общим атрибутам
• Decision Explorer: интерактивное руководство по выбору подходящего паттерна для вашего сценария
• Graph Visualization: визуальная карта взаимосвязей между паттернами
• Pattern Packs: подборки паттернов для распространённых архитектур агентов
• Developer Guides: подробная документация по выбору и применению паттернов
• Dark Mode: полноценная поддержка тем для комфортного чтения в любой среде

Создано на Astro, размещено на Vercel, исходный код находится в apps/web/.

---

Краткий обзор категорий

Категория	Что вы найдёте
Контекст и память	Отбор скользящим окном, векторный кэш, эпизодическая память
Циклы обратной связи	Компиляторы, CI, проверка человеком, самовосстанавливающие повторы
Обучение и адаптация	Agent RFT, библиотеки навыков, RL на основе дисперсии
Оркестрация и управление	Декомпозиция задач, запуск субагентов, маршрутизация инструментов
Надёжность и оценка	Ограничители, средства оценки, журналирование, воспроизводимость
Безопасность и защищённость	Изолированные ВМ, токенизация персональных данных, проверка безопасности
Инструменты и среда	Shell, браузер, БД, Playwright, приёмы работы с песочницей
UX и совместная работа	Передача промптов, подготовленные коммиты, асинхронные фоновые агенты

Категории могут меняться — откройте PR, если видите более удачное разделение! Таблицы ниже автоматически создаются из каталога patterns/.

---

Контекст и память

• 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

Циклы обратной связи

• 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

Обучение и адаптация

• 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

Оркестрация и управление

• 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

Надёжность и оценка

• 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

Безопасность

• 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

Использование инструментов и среда

• 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 и совместная работа

• 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

---

Для ИИ-ассистентов (llms.txt)

В проект входит llms.txt — машиночитаемый файл документации, помогающий ИИ-ассистентам и LLM понимать и рекомендовать подходящие паттерны.

Содержимое:

• Категории паттернов и их назначение
• Основные паттерны с краткими описаниями
• Рекомендации по использованию для ИИ-ассистентов
• Стратегии выбора паттернов с учётом требований сценария

Для разработчиков ИИ-ассистентов: Файл llms.txt можно передавать LLM в качестве контекста для улучшения рекомендаций паттернов. Он оптимизирован для:

• RAG-систем, индексирующих этот каталог
• ИИ-помощников для программирования, предлагающих паттерны
• Инструментов на базе LLM, рекомендующих агентные паттерны

Доступ: https://agentic-patterns.com/llms.txt (также доступен в apps/web/public/llms.txt)

---

Как внести вклад за 3 шага

1. Создайте форк и ветку → git checkout -b add-my-pattern
2. Добавьте файл паттерна в patterns/, используя шаблон выше.
3. Запустите bun run build:data, чтобы обновить автоматически создаваемые разделы README и данные сайта.
4. Создайте PR с заголовком Add: my-pattern-name.
5. Этот репозиторий ориентирован на паттерны: предложения, посвящённые в основном анонсам или продвижению продуктов, будут отклонены, даже если они технически корректны.

Подробные требования приведены в CONTRIBUTING.md.

---

Источники вдохновения

Проект начался после публикации «Чему Sourcegraph научилась при создании ИИ-агентов для программирования» (28 мая 2025 года) и продолжающегося видеодневника Raising an Agent. Многие первые паттерны напрямую основаны на этих уроках — спасибо всем, кто открыто делится своим опытом!

---

Лицензия

Apache‑2.0. См. LICENSE.

---

История звёзд