16
Agent 框架速览
Agent 与主流框架速览
「Agent 不稀奇，能自己想、自己干、自己复盘的才是好 Agent。」但在落地时，常见问题是：Workflow 与 Agent 怎么选？哪些框架适合哪类场景？这页把关键判断与主流框架做成一份可快速上手的对比清单。
1. Workflow 和 Agent 的区别
- Workflow：步骤确定、分支有限、可提前穷举路径。
- Agent：需要在对话中澄清、动态决策、跨系统协作，路径不可完全预设。
适用判断：
- 步骤确定 → Workflow 更稳、更便宜、更好控。
- 长尾多变 → Agent 更能处理“问一句 → 查一下 → 再决定”。
2. 框架选择（基于热度与生态）
综合社区热度与生态成熟度，常见的 5 个框架如下：
| 框架 | 生态特点 | 适用倾向 |
|---|---|---|
| AutoGPT | 高自治、工具丰富 | 通用任务自动执行 |
| LangGraph | 图结构、可控流程 | 可拆解步骤的流程型任务 |
| Dify | 低代码、平台化 | 中等复杂度业务应用 |
| CrewAI | 多智能体编排 | 角色协作、任务探索 |
| AutoGen | 多代理对话 | 多角色协作与可观察性 |
3. 框架对比结论
简化版对比结论：
| 框架 | 适用场景 | 优势 | 不足 |
|---|---|---|---|
| AutoGPT | 通用复杂任务 | 高自主、任务拆解、工具丰富 | 成本高、可控性偏弱 |
| LangGraph | 可拆解流程 | 可观测、易调试、可控 | 自主性有限 |
| Dify | 中等复杂度应用 | 低门槛、上手快 | 功能广而不精 |
| CrewAI | 角色协作型 | 工具生态强、灵活 | 特定能力需补齐 |
| AutoGen | 多代理对话 | 多代理原生支持 | 社区生态仍在成长 |
4. 什么时候应该用 Agent？
满足以下特征，Agent 通常更合适：
- 问题不可完全穷举、路径不确定。
- 需要跨多个系统查证并动态组合。
- 对话中需要澄清、协商与决策。
5. 真实场景：客服链路的分支爆炸
Workflow 在“长尾问题”容易出现分支爆炸：同一条“包裹没到”可能要综合物流状态、政策时段、用户等级、地址异常、促销规则等多个因素，固定流程会变得复杂且难维护。
Agent 模式更像团队协作：
- Planner 拆意图并澄清
- 工具 Agent 查物流/支付/CRM
- Policy Agent 推理合规政策
- 执行 Agent 操作工单与闭环
这类“动态决策 + 多系统协同”的场景，Agent 优势更明显。
6. 主流框架速览
6.1 AutoGPT
定位：高自治 Agent 框架，擅长任务拆解与多步执行。
优势：
- 目标驱动、自动拆解子任务
- 工具接口丰富，适合复杂链式任务
不足：
- 任务越长越容易偏离上下文
- 成本与执行效率需控制
6.2 LangGraph
定位：图结构编排框架，强调可控流程与可观察性。
优势：
- 结构清晰、流程可控
- 易调试、支持持久化状态
不足：
- 自主性偏弱
- 预构建模式灵活度有限
6.3 Dify
定位：低代码 AI 应用平台，强调快速交付。
优势：
- 上手快、集成模型与工具方便
- 适合中等复杂度应用
不足：
- 重量级应用需要权衡复杂度
- 深度定制场景需二次开发
6.4 CrewAI
定位：多智能体协作框架，强调角色分工。
优势：
- 生态集成丰富
- 适合任务探索与协作
不足：
- 特定能力（如代码沙盒）需额外补齐
6.5 AutoGen
定位：微软开源的多代理对话框架，强调协作与可观察。
优势：
- 多代理原生支持
- 灵活对话流程控制
不足：
- 生态仍在成长，文档与案例不如成熟框架
7. 总结
Workflow 适合“可穷举、可预测、可控”的流程；Agent 适合“动态决策、跨系统协作、需澄清与协商”的复杂问题。选框架时优先看任务形态与可控性需求，再综合生态成熟度与团队成本做决策。