Appearance
其他框架速览
在知识图谱中的位置：模块二 · 02_核心框架 · 第 7 节 难度：⭐⭐ | 前置知识：其他框架
1. CrewAI — 多 Agent 团队
核心概念
将多个 Agent 组织成"团队"，每个 Agent 有角色、目标和工具。
python
from crewai import Agent, Crew, Task
# 定义 Agent（角色 + 工具）
researcher = Agent(
role="研究员",
goal="搜索最新 AI Agent 论文",
tools=[arxiv_tool]
)
writer = Agent(
role="写手",
goal="将搜索结果整理成报告",
)
# 组织 Crew（团队）
crew = Crew(agents=[researcher, writer], tasks=[task1, task2])
result = crew.kickoff()适用场景：多 Agent 协作、角色分工明确
2. AutoGen — 多 Agent 对话
核心概念
微软开发的 Agent 对话框架，Agent 之间通过对话完成任务。
python
from autogen import ConversableAgent
user_proxy = ConversableAgent("user_proxy", llm_config=False)
ai_assistant = ConversableAgent("ai_assistant", llm_config={"config_list": [...]})
# Agent 之间对话
chat_result = user_proxy.initiate_chat(ai_assistant, message="北京天气？")适用场景：多 Agent 辩论、协作推理
3. MetaGPT — 多 Agent 软件工程
核心概念
用多 Agent 模拟软件公司的完整工作流（产品经理→设计师→工程师→测试员）。
需求 → PM Agent → 设计师 Agent → 工程师 Agent → 测试 Agent → 代码适用场景：代码生成、软件项目自动化
4. Phidata — 本地优先 Agent
核心概念
开源 Agent 框架，强调本地运行和自定义。
适用场景：本地 Agent、自定义需求
5. 框架选型总结
| 框架 | 范式 | 核心优势 | 适合 |
|---|---|---|---|
| OpenAI Agents SDK | 轻量 Agent | 官方 SDK | 快速开发 |
| LangGraph | 有向图 | 复杂工作流 | 生产级 |
| LangChain | 链式 | 生态大 | 简单链式 |
| LlamaIndex | 检索优先 | RAG | 知识库 |
| CrewAI | 多Agent团队 | 角色分工 | 团队协作 |
| AutoGen | Agent对话 | 对话协作 | 多 Agent |
| DSPy | 程序化提示 | 自动优化 | 提示工程 |
| Pydantic AI | 类型安全 | 类型安全 | Python |
| MetaGPT | 软件工程 | 完整开发流 | 代码生成 |
| Phidata | 本地优先 | 开源本地 | 本地运行 |