颠覆LangChain！1行代码极速上手AI智能体，从入门到精通就看这篇！

关注

原创最新推荐文章于 2026-09-10 11:12:05 发布 1.4k 阅读 AI 写同款· GEO 优化 ›

Gemini 3.1 Pro原生智能体与百万Token编码能力解析大语言模型的智能体（Agent）能力正从框架编排走向模型原生支持，其核心在于将规划、工具调用与自愈推理内化为推理过程的一部分；而长上下文（如1M token）不再仅是容量指标，更是实现跨文件符号理解、工程契约内化与多跳证据链构建的技术基础。这种演进显著提升了模型在真实软件开发、API编排与运维决策等场景中的认知深度与执行可靠性，使开发者得以摆脱胶水代码、切片焦虑与低效调试，聚焦于问题定义、工具治理与人机协作协议设计——本文深入解析Gemini 3.1 Pro在智能体和编码能力上的底层突破与工程落地路径。阅读详情

🚨 “LangChain危险了！这个框架重新定义多智能体开发：低代码+工作流引擎+自主协作” 大家好，我是蚝油菜花。当大部分AI框架还在比拼单智能体能力时，Praison AI 已悄然开启多智能体协作的新战场——

它解决了三个行业级难题：

🔨 低代码编排：用YAML定义智能体工作流，告别胶水代码
🧠 认知一致性：通过中央记忆库保持多Agent上下文同步
⚡ 弹性执行：支持动态任务分配和条件触发式流程

基于多智能体系统（MAS）理论，其分层架构让AI团队具备：

产品经理Agent：拆解用户需求
架构师Agent：生成技术方案
开发Agent：自动生成代码
评审Agent：实时质量检测

现在，只需一条CLI命令就能启动这个AI协作引擎！

🚀 快速阅读

Praison AI 是一个生产级的多智能体框架，旨在通过低代码解决方案简化多智能体系统的构建和管理。它支持多种流程类型，包括顺序、分层和工作流流程，并提供记忆功能，让代理在不同任务中保持上下文信息。

核心功能：支持创建具有工具交互能力的AI代理，提供记忆功能，支持多种流程类型。
技术原理：基于多智能体系统（MAS）和大型语言模型（LLM），支持动态路由、任务分配和条件执行。

一、Praison AI 是什么

PraisonAI-demo

Praison AI 是一个开源的多智能体框架，旨在简化多智能体系统的构建和管理。它提供了低代码环境，允许用户快速创建和管理AI代理，以自动化和解决从简单到复杂的任务。Praison AI 支持多种流程类型，包括顺序、分层和工作流流程，能够实现任务的动态路由、并行化执行、提示链和迭代优化等功能。

此外，Praison AI 提供了记忆功能，让代理在不同任务中保持上下文信息，增强任务的连贯性和效率。它还具备多种用户界面和集成选项，强调简单性、定制化及高效的人机协作，适用于需要灵活构建和管理多智能体系统的场景。

二、Praison AI 的主要功能

AI代理的创建与管理：支持创建具有工具交互能力的AI代理，与外部系统进行数据交换和操作。提供具有记忆功能的AI代理，在跨任务中保持上下文信息，增强任务的连贯性和效率。支持多种流程类型，包括顺序流程、分层流程和工作流流程，满足不同复杂度的任务需求。
多种任务执行流程：

顺序流程：任务依次执行，适合简单的线性任务。
分层流程：基于管理代理协调任务执行和代理分配，适合复杂的任务分配场景。
工作流流程：支持复杂任务关系和条件执行，包括动态路由、并行化、提示链等功能。

高效任务处理：

并行化执行：基于并行处理任务，提高性能。
迭代优化：评估和反馈机制优化解决方案。
重复任务处理：用自动化循环高效处理重复任务。

集成与扩展：提供多种集成选项，支持与其他系统和工具的无缝对接。支持多种用户界面，包括聊天界面、代码界面、实时语音界面等。
低代码开发：提供低代码环境，简化多智能体系统的构建和管理。强调简单性、定制化和高效的人机协作。

三、Praison AI 的技术原理

多智能体系统（MAS）：每个代理是一个独立的、具有自主性的实体，能够感知环境并做出决策。代理之间基于协作和通信完成复杂任务，支持任务分配、信息共享和动态调整。
大型语言模型（LLM）：利用 LLM 的强大语言理解和生成能力，为代理提供智能决策支持。支持动态路由和任务分配，将任务分配给最适合的 LLM 实例。
工作流引擎：支持复杂任务的工作流定义，包括条件执行、并行处理和任务链。基于工作流引擎实现任务的自动化和优化。
记忆与上下文管理：基于记忆机制，代理能保存和恢复上下文信息，增强任务的连贯性和效率。支持长期和短期记忆，适应不同任务需求。

四、如何运行 Praison AI

1. 单个代理

创建 app.py 文件并添加以下代码：

from praisonaiagents import Agentagent = Agent(instructions="You are a helpful AI assistant")agent.start("Write a movie script about a robot in Mars")

运行：

python app.py

2. 多个代理

创建 app.py 文件并添加以下代码：

from praisonaiagents import Agent, PraisonAIAgentsresearch_agent = Agent(instructions="Research about AI")summarise_agent = Agent(instructions="Summarise research agent's findings")agents = PraisonAIAgents(agents=[research_agent, summarise_agent])agents.start()

运行：

python app.py

3. 无代码模式

使用命令行自动创建电影剧本：

pip install praisonaiexport OPENAI_API_KEY=xxxxxxxxxxxxxxxxxxxxxxpraisonai --auto create a movie script about Robots in Mars

资源

GitHub 仓库：https://github.com/MervinPraison/PraisonAI
文档：https://docs.praison.ai/

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述