Mini LLM Flow：使用100行代码构建“有向图结构”的LLM微型智能体

综合介绍

miniLLMFlow是一个极简主义的大语言模型(LLM)开发框架，其核心代码仅包含100行，彰显了"大道至简"的设计理念。该框架专门设计用于让AI助手（如ChatGPT、Claude等）能够自主编程，支持多智能体、任务分解、RAG检索增强等高级功能。项目采用MIT开源协议，在GitHub平台上持续更新维护。其最大特点是将LLM工作流程模型化为嵌套有向图结构，通过节点处理简单任务，通过动作（标记边）连接代理，通过流程编排节点实现任务分解，支持流程嵌套和批处理，使得复杂的AI应用开发变得简单直观。

功能列表

• 支持多智能体协作开发系统
• 提供任务分解和流程编排功能
• 实现RAG（检索增强生成）应用开发
• 支持节点批处理功能，适用于数据密集型任务
• 提供嵌套有向图结构的工作流管理
• 集成主流LLM助手（如ChatGPT、Claude）
• 支持自定义工具和API封装
• 提供完整的文档和教程支持

使用帮助

1. 安装配置

方式一：通过pip安装

pip install minillmflow

方式二：直接使用源代码

直接复制项目中的源代码文件（仅100行），即可快速集成到您的项目中。

2. 基础架构说明

miniLLMFlow采用嵌套有向图结构，主要包含以下核心概念：

• 节点(Nodes)：处理单个LLM任务的基本单元
• 动作(Actions)：连接节点的标记边，用于智能体间的交互
• 流程(Flows)：编排节点形成的有向图，用于任务分解
• 嵌套(Nesting)：流程可以作为节点重用，支持复杂应用构建
• 批处理(Batch)：支持数据密集型任务的并行处理

3. 开发流程指南

1. 设计阶段
   • 确定高层流程和节点结构
   • 设计共享内存结构
   • 定义数据字段和更新方式
2. 实现阶段
   • 从简单实现开始
   • 逐步添加复杂功能
   • 使用LLM助手辅助开发
3. 使用LLM助手开发
   • 使用Claude项目开发：
     1. 创建新项目并上传文档
     2. 设置项目自定义指令
     3. 让Claude协助设计和实现
   • 使用ChatGPT开发：
     1. 使用专门的GPT助手
     2. 可选择使用较新模型进行代码开发

4. 入门示例

项目提供了一个完整的入门教程，展示如何实现Paul Graham文章摘要和QA代理系统，可以通过Google Colab快速上手体验。

5. 最佳实践

• 从简单功能开始，逐步扩展
• 充分利用LLM助手进行开发
• 参考文档中的示例代码
• 使用内置的调试和测试工具
• 关注项目更新和社区讨论