一文读懂LangChain、LlamaIndex、LangGraph、CrewAI、MetaGPT、AutoGen、CAMEL、Agent Squad、LangSmith等AI框架

原创已于 2025-09-26 16:48:55 修改 · 653 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#langchain #llamaindex #LangGraph #LangSmith #AutoGen #CrewAI #ai

于 2025-09-15 13:51:21 首次发布

AI 专栏收录该内容

14 篇文章

订阅专栏

背景：把LLM大模型想象成一个天才厨师智脑，什么菜系都会一点，给菜名就能做，但是问题是他不知道厨房里有什么厨具、食材、调料（你的数据），不会自己开火、炒菜（执行任务），以上框架就是解决这一问题

1 LangChain——全能总厨：全能，但需要自定流程

是什么：他精通各种烹饪技法（调用不同的AI模型、工具和数据源），并且能设计一套完整的做菜流程（构建AI应用的工作流）。他负责把各个环节（模型调用、提示词、数据检索、动作执行）高效地串联起来。
能干嘛：它能帮你快速构建一个功能复杂的AI应用。无论是需要一个能查询菜单、回答顾客问题的聊天机器人，还是一个能根据库存自动生成今日特色菜的系统，LangChain这个“总厨”都能为你设计和组织起这条“生产线”。
问题示例：“一位顾客对乳糖不耐受，请根据今天的食材，为他推荐一道合适的招牌菜，并列出食材清单。”
解决流程：
1. 理解订单（LLM调用）：总厨（LangChain）先听懂了顾客的特殊需求（乳糖不耐受）。
2. 查询库存（数据检索）：他让助手（检索器）去冰柜（数据库）里查看今天有哪些新鲜食材。
3. 制定菜谱（提示词工程）：总厨根据“不用奶制品”的规则（提示词约束）和现有食材，在脑中（调用LLM）构思出一道“香煎三文鱼配柠檬香草汁”。
4. 列出清单（输出解析）：最后，总厨将这道菜所需的食材（三文鱼、柠檬、香草等）清晰规范地写在一张纸条上（结构化输出），交给采购员。

2 LlamaIndex——百科全书：专业数据检索

是什么：食材、配方、用户画像的专属管理员，他的特长不是做菜，而是能以极快的速度从海量的、专属的文档资料中，找到总厨最需要的那一条信息。
能干嘛：为你的私有数据（文档、笔记、数据库）建立高效的索引和检索系统，让大模型能够基于这些数据做出精准回答
问题示例：我们1985年的那道祖传秘制红烧肉配方里，八角放几颗？
解决流程：
1. 接收问题：总厨（LangChain应用）向管理员（LlamaIndex）提出这个非常具体的问题。
2. 检索资料：管理员不会从头到尾阅读所有配方书（不会将全部数据喂给模型），而是直接翻开“祖传菜谱索引”，精准定位到“1985年红烧肉”那一页。
3. 提供信息：他迅速告诉总厨：“根据记录，放2颗八角，并注明需在收汁前5分钟放入。”
4. 总厨决策：总厨拿到这个精准信息后，就可以继续完成他的烹饪了。

3 LangGraph——自动化工作流调度中心：强大流程控制

是什么：用“流程图”的方式，清晰定义了不同厨师（Agent/工具）之间的协作关系和工作顺序，并且可以根据情况决定下一步该谁干活，或者是否要循环重复某个步骤。支持循环判断、条件分支等多种工作流配置。
能干嘛：它能构建复杂、有状态、多步骤的AI应用。特别适合那些需要多个“智能体”根据中间结果来回协作、循环判断的任务，比如一个多轮对话、辩论或复杂决策系统。
问题示例：为一场20人的公司晚宴设计一份完整的套餐菜单（含前菜、主菜、甜点），并确保总成本控制在3000元内。
1. 启动流程：调度中心（LangGraph）启动。
2. 分配任务：它先让创意厨师（Agent A）生成几个套餐草案。
3. 审核成本：然后将草案交给成本核算师（Agent B）计算总价。
4. 循环判断：调度中心看到核算结果：“方案一超预算500元”（条件判断）。于是它命令创意厨师：“方案一成本超标，请修改主菜的食材，降低档次。”
5. 最终确认：创意厨师修改后，成本核算师再次计算，这次符合预算。调度中心才将最终菜单输出。这个过程可能循环多次，直到满足条件。

4 CrewAI——层级分明的后厨班组

是什么：后厨是标准的公司架构：有厨师长、切配工、炒锅工、摆盘师。每个人角色固定，听上级指令，按固定流程操作
能干嘛：高效、可靠地完成有明确步骤和分工的任务。流程稳定，结果可预测。
问题示例：接到订单“一份佛跳墙”。
解决流程：
- 厨师长（Manager Agent）接手订单，进行任务分解。
- 命令切配工（Worker Agent 1）：“去准备鲍鱼、海参、花菇，切好。”
- 切配工完工后，交给炒锅工（Worker Agent 2）：“去高汤煨制8小时。”
- 炒锅工完工后，交给摆盘师（Worker Agent 3）：“用砂锅装盘，点缀香菜。”
- 摆盘师完成后，报告厨师长，最后由厨师长出品。

5 MetaGPT——标准化的连锁中央厨房

是什么：MetaGPT就像大型连锁品牌的中央厨房，拥有高度标准化的流水线。每个智能体都是流水线上一个固定的专业岗位：需求分析师（菜单设计师）、架构师（动线规划师）、程序员（配餐员）、测试员（品控师）。每个岗位都有厚厚的工作手册（SOP），严格按章办事，确保出品的每一份“套餐”都质量统一。
能干嘛：高效、可靠地批量生产结构清晰、质量稳定的“标准化套餐”（如软件项目、分析报告）。适合目标明确、步骤清晰、需要规模化生产的任务。
问题示例：接到订单 “为全国500家新门店，各设计一份包含主食、小食、饮料的‘工作日超值套餐’，要求营养均衡且成本可控”
解决流程：
- 菜单设计师（Product Manager Agent）接手订单，根据《超值套餐设计规范》输出需求文档：主食（汉堡/米饭二选一）、小食（薯条/沙拉）、饮料（可乐/果汁），并划定成本区间。
- 动线规划师（Architect Agent）根据需求文档，设计出《中央厨房标准化作业流程》：解冻时间、烹饪温度、组装顺序。
- 配餐员（Engineer Agent）严格按照流程，批量“烹饪”出500份套餐的代码或内容。
- 品控师（QA Agent）按照《出品检验标准》进行抽样测试，确保每一份套餐的分量、口味、包装都符合规范。
- 整个过程如同精密运转的机器，角色固定，流程清晰，最终高效输出500份高度一致的套餐。

6 AutoGen——圆桌会议专家团

是什么：你组建了一个专家团，包括：川菜大师、面点王、营养师。他们围坐在一个桌子上，你扔给他们一个目标，他们就会自己讨论、争辩、合作，直到拿出一个方案。
能干嘛：解决需要多专家协作的、非固定流程的复杂问题。你不需要一步步指挥，只需告知目标。
问题示例：办一桌10人预算3000元，有老人小孩，要体面又不辣的宴席。
解决流程：
- 你把这个需求丢进AutoGen专家团。
- 他们自己就开始讨论了：
  - 营养师：“先定要营养均衡。”
  - 川菜大师：“可以做清汤鸡豆花，不辣又高级。”
  - 面点王：“主食配龙须面，老少皆宜。”
- 讨论完后，直接给你一份完整的宴席菜单和报价。

7 CAMEL——“双厨博弈”极限拉扯

是什么：两位大厨：一位扮“顾客”，一位扮“厨师”。顾客不断提要求，厨师不断改菜谱，两人互飙戏精，直到把“需求”越磨越细，成品往往比人类想得还周到。
能干嘛：做“开放式创意菜”——没人知道最终上桌的是啥，但一定惊艳。适合头脑风暴、剧本杀、新品研发。
问题示例：“来一道‘让 00 后尖叫的夜宵’，成本 10 元，必须含薯片。”
解决流程：
- 顾客 Agent 先甩需求：“要爽脆、要打卡、要社媒爆款。”
- 厨师 Agent 回：“薯片虾滑球？”
- 顾客 Agent 挑刺：“拍照不好看。”
- 厨师 Agent 改：“薯片碎裹牛油果雪糕，插可食用荧光棒。”
- 双方继续拉扯 10 轮，最终定下“荧光薯片雪糕船”，自带滤镜光环。人类老板看完直呼：这菜我做梦都想不到！

8 Agent Squad——轻量级机动队

是什么：设计精巧、部署简单、擅长快速完成一些特定的、目标明确的小规模任务。
能干嘛：快速构建和部署一些小而美的智能体应用，不需要特别复杂的流程和控制。
问题示例：帮我看看冰箱里有什么，然后推荐三个菜。
解决流程：
- 你派出一支Squad小队，成员很简单：一个小二（负责看冰箱图片识别食材）和一个厨师（负责接收食材名单并推荐菜谱）。
- 小队目标明确，动作迅速，几分钟内就给了你回复：“有鸡蛋、西红柿、青椒。推荐：西红柿炒蛋、青椒炒蛋、虎皮青椒。”

9 LangSmith——全链路监控与品控系统：运维

是什么：它记录了从点单（输入）、到后厨每一步操作（链调用）、再到上菜（输出）的完整过程，让你能清晰地看到哪道菜做慢了、哪个配方顾客总是不满意、哪个厨师的效率最高。
能干嘛：用于调试、测试、监控和评估基于LLM构建的应用。帮你追踪每一次调用，分析性能瓶颈，找出提示词的问题，并持续改进你的AI应用质量。
问题示例：为什么“佛跳墙”这道菜最近差评变多，上菜也慢
解决流程：
- 你打开LangSmith监控大屏，回放做菜全过程：
  - 你发现是切配工从LlamaIndex仓库拿错了“干海参”而不是“泡发好的海参”（数据问题、索引问题），导致煨制时间大大延长。
  - 你看到炒锅工调用LLM“查询煨制火候”这一步耗时异常长（流程性能问题）。
- 你立刻就能精准修复：1. 纠正食材标签。 2. 优化查询火候的指令，降低成本。