dynamiq
一体化 LLM 应用编排框架，支持多 Agent 协作、RAG 全链路和异步工作流
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
一体化 LLM 应用编排框架，支持多 Agent 协作、RAG 全链路和异步工作流
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：Dynamiq 官方 Logo
2024 年，LLM API 调用成本持续下降，本地模型推理能力飞速提升。越来越多的开发团队开始从"单次调用 GPT-4"转向构建"由 LLM 驱动的复杂 AI 系统"——多步推理 Agent、文档检索增强生成（RAG）、多 Agent 协作工作流。随之而来的问题却让很多开发者头疼：如何优雅地编排这些步骤？如何管理 Agent 之间的依赖关系？如何持久化对话记忆？如何让工具调用保持稳定？
这些问题催生了一个新的工具赛道：LLM 应用编排框架（LLM Orchestration Framework）。LangChain、LlamaIndex、AutoGen……Dynamiq 正是这个赛道中的一名强力竞争者，由 Dynamiq 团队于 2024 年 9 月正式开源，截止 2026 年 6 月已积累超过 1,000 GitHub Stars，在同类型开源项目中增速亮眼。
Dynamiq 的官方定位是"orchestration framework for agentic AI and LLM applications"，即用于 Agentic AI 和 LLM 应用开发的编排框架。如果你熟悉 LangChain，可以把 Dynamiq 理解为它的"工程化升级版"——更模块化、更专注于企业级场景、支持更复杂的 Agent 拓扑。
用一句话概括它的核心价值：让开发者像搭积木一样，组合 LLM、工具、知识库和记忆模块，构建生产级的 AI 应用。
Dynamiq 的 Agent 核心理念基于 ReAct（Reasoning + Acting） 范式。Agent 不仅调用 LLM 生成文本，还会根据 LLM 的输出决定是否调用外部工具，形成"思考→行动→观察→再思考"的循环。
Dynamiq Agent 支持的工具类型极为丰富：
# 带工具调用的 ReAct Agent 示例
agent = Agent(
name="react-agent",
llm=OpenAI(model="gpt-4o"),
tools=[e2b_tool], # E2B 代码执行沙箱
role="Senior Data Scientist",
max_loops=10
)
Dynamiq 的 Workflow 系统是其编排能力的核心体现。开发者可以将多个 Agent 或 LLM 节点组成 DAG（有向无环图），支持三种执行模式：
# 串行 Agent：研究 Agent → 写作 Agent
workflow = Workflow()
workflow.flow.add_nodes(research_agent, writer_agent)
# Agent 间自动传递输出，无需手动拼接提示词
Dynamiq 提供了完整的 RAG（检索增强生成）组件链路：
Dynamiq 的 Memory 模块解决了对话 Agent 的"记忆丢失"问题，支持多种存储后端：
开发者可以为每个 Agent 独立配置 Memory，实现不同会话之间的状态隔离。
Dynamiq 内置了完整的评估框架，支持：
这对于需要在上线前对 RAG 系统做质量验收的团队尤为重要。
Dynamiq 的代码架构遵循节点化设计（Node-based Design）。每个功能模块（LLM、Agent、Tool、Retriever、Writer 等）都是一个独立的 Node，节点之间通过 Connection 建立数据流连接，Workflow 负责调度整个执行图。
这种设计的优势在于：高度解耦、极易扩展。如果官方不支持某个新的向量数据库，只需要实现 BaseRetriever 的接口，即可无缝接入现有的 Workflow。
核心源码结构：
dynamiq/nodes/：所有节点实现（LLM、Agent、Tools、Retrievers、Writers 等）dynamiq/flows/：Flow 定义，执行 DAG 的编排逻辑dynamiq/connections/：连接器，管理外部服务认证和连接池dynamiq/memory/：记忆管理，多后端支持dynamiq/evaluations/：评估系统，内置多种评估指标dynamiq/workflows/：Workflow 调度器，管理节点执行顺序和并行化Dynamiq 的技术选型体现了明显的企业级 Python 导向：
Dynamiq 提供了良好的容器化支持：
不过需要注意的是，Dynamiq 本质上是一个编排框架，实际运行 Agent 和 RAG 功能需要第三方 API Key（OpenAI API、Pinecone、Aurora 等）。框架本身不提供 LLM 服务，也没有内置的 Web UI（但 examples 目录下有 Streamlit 和 Chainlit 的完整示例）。
当前开源 LLM 编排框架市场，LangChain 以先发优势占据最大份额，但其 API 变更频繁、文档质量参差不齐的问题也饱受诟病。Dynamiq 的出现代表了一种更务实的设计思路：
Dynamiq 的增长曲线值得关注：上线仅 20 个月积累 1,000+ Stars，128 Forks，社区活跃度高。对于正在构建 AI 应用、需要一套可靠编排工具的团队，Dynamiq 是当前值得认真评估的选项。