小白入门大模型应用必读：一文看懂人工智能核心框架 LangChain 和 Crewai

关注

原创最新推荐文章于 2026-06-05 13:48:19 发布 1.6k 阅读 AI 写同款· GEO 优化 ›

如何使用 CrewAI 构建协作型 AI Agents 语言模型在翻译、总结和推理方面表现出色。但它们的潜力远不止于此。让大语言模型 (LLM) 具备代理性是充分挖掘其推理潜力的一种方法。AI 智能体就是被赋予适当工具和指令的 LLM，能够自动完成网页浏览、网络抓取、执行 SQL 查询、文件操作等任务。利用 LLM 的推理能力，这些智能体能够根据当前需求选择合适的工具。而且，我们还可以将多个智能体组合起来，共同完成更复杂的任务。当我们谈论如何构建 AI Agents时，首先想到的工具就是 LangChain。阅读详情

“LangChain 和 CrewAI 是当前人工智能领域中两个重要的框架，它们在设计理念、功能定位和应用场景上存在显著差异，但也存在一定的互补关系。”

太长不看版：

LangChain是一个开源框架，主要用于将大语言模型与外部数据源和工具结合，模块化设计，支持多种LLM集成，适用于对话AI、内容生成、数据分析等场景。而CrewAI，专注于多智能体协作，基于角色分工，适合需要团队合作的任务，比如项目管理、复杂问题解决等。LangChain强调灵活性和模块化，适合构建单一代理或简单工作流，而CrewAI更注重多代理协作，模拟人类团队结构。LangGraph是LangChain的扩展，支持复杂工作流，而CrewAI则提供动态任务委派和角色分配。CrewAI已经融入 LangChain 生态，可以利用LangChain的工具和集成能力，丰富其工具和应用。关于应用场景，LangChain的典型应用有：智能客服、内容生成、数据分析。而CrewAI的场景基本都会涉及多个智能体的协作任务，如市场分析、应急响应、科研协作等。

以下是两者的详细对比分析及典型应用场景：

一、LangChain 与 CrewAI 的核心区别

二、LangChain 与 CrewAI 的关系

互补性

CrewAI 可构建于 LangChain 之上：CrewAI 的底层工具（如搜索、模型调用）可通过 LangChain 实现。

Python from crewai import Agent, Task, Crew, Process #导入crewai组件 import os from langchain.tools import DuckDuckGoSearchRun #导入langchain工具 search_tool = DuckDuckGoSearchRun() #该工具具备 web 检索功能 from langchain.llms import Ollama ollama_deepseek = Ollama(model=“deepseek-r1:14b”) #通过 ollama 导入本地部署的 deepseek-r1 14b 版本模型

功能扩展：LangChain 擅长单代理任务（如数据检索、代码生成），而 CrewAI 在此基础上扩展了多代理协作能力，例如通过角色分工和任务委派解决复杂问题。

<LangChain和CrewAI：打造高效的代理RAG模型>

生态协同

LangChain 提供丰富的工具链和模块化组件，CrewAI 则将这些组件整合为团队协作流程。例如，CrewAI 的代理可调用 LangChain 的检索增强生成（RAG）工具进行信息处理。

三、典型应用场景

LangChain 的典型应用

对话式AI助手：通过链式流程集成LLM与外部API，实现上下文连贯的交互（如客服机器人）。

链接：https://langchain-ai.github.io/langgraph/tutorials/customer-support/customer-support/

内容生成与摘要：利用提示模板生成结构化文本（如自动生成报告、文章）。

数据查询与分析：结合向量数据库实现语义搜索，生成数据分析代码（如通过 Python REPL 执行查询）。

Python import pandas as pd # 导入pandas库，通常用于数据处理和分析，简写为pd。 from IPython.display import Image, display # 从IPython.display模块导入Image和display函数，用于在Jupyter Notebook中显示图片等多媒体内容 from typing import List, Literal, Optional, TypedDict, Annotated # 从typing模块导入一些类型注解工具，用于在代码中明确变量或函数参数的类型，提高代码的可读性和可维护性。 from langchain_core.tools import tool # 从langchain_core.tools模块导入tool，可能是用于定义或注册工具的函数或类。 from langchain_core.messages import ToolMessage # 从langchain_core.messages模块导入ToolMessage，用于处理工具链中的消息传递的类。 from langchain_experimental.utilities import PythonREPL # 从langchain_experimental.utilities模块导入PythonREPL，用于在语言模型中执行Python代码的工具。 from langchain_openai import ChatOpenAI # 从langchain_openai模块导入ChatOpenAI，用于与OpenAI的Chat模型进行交互的类。 from langgraph.graph import StateGraph, START, END # 从langgraph.graph模块导入StateGraph类以及START和END常量，StateGraph用于表示状态图的类 from langgraph.graph.message import add_messages # 从langgraph.graph.message模块导入add_messages函数，用于向状态图中添加消息的函数。 from langgraph.prebuilt import ToolNode, tools_condition # 从langgraph.prebuilt模块导入ToolNode类和tools_condition函数，ToolNode可能是用于表示工具节点的类，tools_condition用于处理工具条件的函数。 from langgraph.checkpoint.memory import MemorySaver # 从langgraph.checkpoint.memory模块导入MemorySaver类，用于保存和管理状态图的检查点或内存状态的类。

代码生成与调试：调用LLM生成代码片段并自动执行（如数据分析脚本）。

CrewAI 的典型应用

协作式项目管理：多个代理分工处理任务（如客户支持经理、技术支持专家、账单支持专家）。

在这里插入图片描述