llm主流开发框架

原文链接:https://i68.ltd/notes/posts/20250312-llm-framework2/

AutoGen-微软推出多智能体应用程序开发框架

• AutoGen 是用于创建多智能体 AI 应用程序的开发框架，这些应用程序可以自主行动或与人类一起工作
• 项目仓库:https://github.com/microsoft/autogen 42.4k
• 开源协议 CC-BY-4.0 MIT
• 文档:AutoGen — AutoGen

为什么使用 AutoGen

• AutoGen 生态系统提供了创建 AI 代理所需的一切，特别是多代理工作流-框架，开发人员工具和应用程序

• 采用分层和可扩展的设计。各层有明确划分的责任，并建立在下面的层之上。这种设计使您能够在不同的抽象级别上使用框架，从高级 API 到低级组件。

  • 核心 API 实现了消息传递、事件驱动的代理以及本地和分布式运行时，以实现灵活性和强大功能。它还支持.NET 和 Python 的跨语言支持。
  • AgentChat API 实现了一个更简单但有主见的 API，用于快速原型设计。此 API 构建在 Core API 之上，支持常见的多代理模式，如双代理聊天或群聊。
  • 扩展 API 使第一方和第三方扩展能够不断扩展框架功能。它支持LLM客户端的特定实现（例如，OpenAI、AzureOpenAI）以及代码执行等功能。

• 该生态系统还支持两个基本的开发人员工具 ：

  • AutoGen Studio 为构建多智能体应用程序提供了无代码 GUI。
  • AutoGen Bench 提供了一个用于评估智能体性能的基准测试套件

• 使用 AutoGen 框架和开发人员工具为业务领域创建应用程序。例如，Magentic-One 是使用 AgentChat API 和 Extensions API 构建的最先进的多代理团队，可以处理需要 Web 浏览、代码执行和文件处理的各种任务

注意

• AutoGen 需要 Python 3.10 或更高版本

AutoGen .Net-用于构建 AI 代理和应用程序的 .NET 框架

• 事件驱动的编程框架，用于构建可扩展的多智能体 AI 系统。
  • 用于业务流程的确定性和动态代理工作流
  • 多 Agent 协作研究
  • 多语言应用程序的分布式代理
  • 与事件驱动的云原生应用程序集成
• dotnet部分进度较慢，目前仅提供核心api,暂不支持AgentChat，提供扩展可以与SemanticKernel集成

crewAI-快速灵活的多 Agent 自动化框架

• CrewAI 是一个精简的，闪电般快速的 Python 框架，完全从零开始构建-完全独立于 LangChain 或其他代理框架 。为开发人员提供了高度的简单性和精确的低级控制，非常适合创建针对任何场景的自主 AI 代理
• 用于编排角色扮演、自主 AI 代理的框架。通过培养协作智能，CrewAI 使智能体能够无缝协作，处理复杂的任务
• 项目仓库:https://github.com/crewAIInc/crewAI 29.2k
• 官方主站:https://crewai.com

关键特征

• 独立清洁：完全独立于其他框架，如 不依赖于LangChain，提供更快的执行速度和更轻的资源需求。
• 灵活精确 ：通过直观的 Crews 或精确的 Flow 轻松编排自主代理，实现完美平衡，满足您的需求
• 无缝集成 ：Efforcraft 将联合收割机 Crews（自主）和 Flow（精确）结合起来，以创建复杂的、真实的自动化
• 深度定制 ：定制每个方面-从高级工作流到低级内部提示和代理行为
• 可靠的性能 ：在简单的任务和复杂的企业级自动化中获得一致的结果
• 蓬勃发展的社区 ：以强大的文档和超过 100，000 名认证开发人员为后盾，提供卓越的支持和指导

Agno-构建多模态智能体而设计的轻量级Python库

• 项目仓库:https://github.com/agno-agi/agno 21.8k
• 开发文档:https://docs.agno.com
• 万倍提速！这个GitHub新星Agno如何碾压LangGraph惊呆开发者？
• 这个 Python 库让开发 AI 智能体像搭积木一样简单
• 多模态智能体的轻量级框架，效率飙升10000倍

主要功能

• 极速创建：Agno的智能体创建速度极快，平均实例化时间约2微秒，大幅提升开发效率。
• 模型无关性：支持任何模型和提供商，打破模型依赖，实现开发的灵活性和可持续性。
• 多模态支持：原生支持文本、图像、音频和视频，拓展智能体的应用领域。
• 多智能体协作：允许任务分配给多个专业化智能体，实现高效的分工和协作。
• 内存管理：将会话和状态存储在数据库中，提升交互体验。
• 知识库支持：利用向量数据库实现检索增强生成（RAG）或动态少样本学习。
• 结构化输出：支持以结构化数据格式响应，便于与其他系统集成。
• 实时监控：在agno.com平台上实时跟踪智能体会话和性能。

技术原理

• 简洁之美：基于Python编写，代码简洁易懂，易于上手。
• 灵活架构：无依赖性设计，适应不断变化的技术环境。
• 知识检索：集成向量数据库，提供强大的知识支持。
• 团队协作：多智能体协作机制，提高处理复杂任务的能力。

应用场景

• Agno在智能客服、图像与视频分析、智能投资顾问、智能教育辅助等领域均有广泛应用，为各行各业带来智能化升级。
• 智能客服与聊天机器人：Agno可以帮助企业快速构建智能客服系统，利用其多模态支持和快速响应的特点，智能客服可以同时处理文本、语音等多种形式的客户咨询，快速准确地回答客户问题，提高客户满意度和服务效率。
• 智能图像与视频分析：Agno的多模态支持使得智能体能够对图像和视频进行深入分析，识别物体、行为、场景等信息。例如，在智能安防监控中，智能体可以实时分析监控视频，检测异常行为，并及时发出警报。
• 智能投资顾问：Agno的多智能体协作功能可以创建多个智能体，分别负责市场数据收集、数据分析、投资策略制定等任务。这些智能体协同工作，为投资者提供全面、准确的投资建议，帮助投资者做出更明智的投资决策。
• 智能教育辅助：Agno可以构建智能辅导系统，根据学生的学习情况和问题，提供个性化的学习建议和解答。例如，在在线学习平台中，智能辅导系统可以实时回答学生的问题，提供知识点讲解、作业批改等服务，实现24小时不间断的学习支持。