ROMA

收录理由

ROMA 适合那些需要把真正棘手的难题拆解成子任务，却又不想亲手搭建编排层的团队。框架把递归的规划与执行循环封装成具名模块：Atomizer 决定任务是否需要拆分，Planner 绘制子任务的依赖关系图，还有 Executors、Aggregator 以及可选的 Verifier。由于构建在 DSPy 之上，你可以自由切换任何大模型供应商，也能使用 DSPy 的各种预测策略，这样一来，并行分解和结果合并就不再像手写控制流那样繁琐。同时，它的扩展路径很清晰——从 pip 安装用于本地实验，到 Docker 化部署并搭配 PostgreSQL 持久化、MLflow 追踪、S3 兼容存储和 REST API，都能顺畅衔接。这使得它介于纯粹的编排库与重量级智能体平台之间，定位务实。