Agent

一、同模型，不同 Agent，差距大吗？ 即使使用相同的模型，不同的 Agent 设计之间差距可以非常大，主要体现在： System Prompt 质量：精心设计的 prompt 能显著提升输出质量，定义角色、约束格式、给出示例。 工具/工具链设计：工具描述是否清晰、粒度是否合理，直接影响模型的调用决策。 上下文管理策略：如何压缩、截断、总结历史对话，影响长任务的表现。 规划与反思机制：有无 chain-of-thought、self-critique、多步验证。 任务分解方式：单 Agent vs 多 Agent 协作，编排逻辑不同结果差距极大。 类比：同一个厨师（模型），给他详细食谱+专业厨具（好的 Agent）和让他随便发挥（差的 Agent），做出来的菜完全不同。 二、主流 Agent 框架对比 工作流与状态编排 框架 出品方 核心范式 上手难度 最适合场景 成熟度 LangGraph LangChain 有状态图（DAG） 高 复杂多步工作流、精确状态控制、可恢复执行 成熟 LangChain LangChain 链式编排 中 通用 LLM 应用、RAG 问答、快速原型 成熟 多 Agent 协作 框架 出品方 核心范式 上手难度 最适合场景 成熟度 CrewAI CrewAI Inc 角色分工团队 低 多角色协作、业务流程自动化、快速搭 demo 成长中 AutoGen Microsoft 对话驱动多 Agent 中 代码生成与执行、多 Agent 对话协作 维护模式 OpenAI Agents SDK OpenAI handoff 编排 低 Agent 间任务移交、OpenAI 生态用户 成长中 企业 / 低代码 框架 出品方 核心范式 上手难度 最适合场景 成熟度 Dify Dify 可视化工作流 最低 快速产品验证、无代码/低代码、中文社区友好 成熟 Semantic Kernel Microsoft 插件 + 规划器 中 企业系统集成、.NET/Python 双语言、Azure 生态 成熟 Google ADK Google 云原生编排 中 Google Cloud / Vertex AI 生态 成长中 选型一句话建议： ...