AI Agents · 课时

LangGraph、CrewAI 与 AutoGen

Q: 「LangGraph、CrewAI 与 AutoGen」这节课中我会学到什么？

图式、基于角色与基于对话的编排——多步代理的三种理念。 你通过在浏览器中直接运行的动手代码来练习 AI Agents，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

图式、基于角色与基于对话的编排——多步代理的三种理念。

LangGraph、CrewAI 与 AutoGen 是 CoddyKit 上的免费 AI Agents 课时。这是第 1 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 AI Agents 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 AI Agents 课程共包含 4 节课。

三大框架

对于多步骤/多智能体系统，以下三个框架占据主导地位：

LangGraph——由节点和边组成的显式图
CrewAI——基于角色的智能体团队
AutoGen——智能体之间的自由形式对话

LangGraph 风格

状态机——您定义节点、边和类型化的状态对象。适用于控制流明确的场景。

from langgraph.graph import StateGraph, END

g = StateGraph(State)
g.add_node('plan', plan_fn)
g.add_node('act', act_fn)
g.add_edge('plan', 'act')
g.add_conditional_edges('act', router, {'continue': 'plan', 'done': END})
app = g.compile()

CrewAI 风格

您定义智能体（包括角色、目标和背景故事）以及任务。将任务分配给智能体；它们以“团队”的形式执行：

from crewai import Agent, Task, Crew

researcher = Agent(role='Researcher', goal='Find facts', backstory='...', tools=[search_tool])
writer = Agent(role='Writer', goal='Compose answers', backstory='...')

tasks = [
    Task(description='Research X', agent=researcher),
    Task(description='Write summary', agent=writer)
]
crew = Crew(agents=[researcher, writer], tasks=tasks)
result = crew.kickoff()

AutoGen 风格

由对话驱动。智能体互相发送消息；由管理者决定接下来由谁发言：

from autogen import AssistantAgent, UserProxyAgent

assistant = AssistantAgent('coder', llm_config={'model': 'gpt-4o-mini'})
user = UserProxyAgent('user', code_execution_config={'work_dir': './work'})

user.initiate_chat(assistant, message='Write a fibonacci function')

何时使用 LangGraph

需要显式状态机
需要循环、分支或人在回路中参与
希望使用检查点来保证持久性
生产环境的可靠性是优先事项

何时使用 CrewAI

基于角色的思维模型适合您的团队
需要顺序或层级式任务列表
希望使用高层抽象
对于典型使用场景，需要编写的代码更少

何时使用 AutoGen

研究型、由对话驱动的任务
使用执行智能体进行代码生成
多智能体辩论/批评

成熟度对比

	LangGraph	CrewAI	AutoGen
维护者	LangChain	CrewAI Inc	Microsoft
稳定性	高	中	中
可观测性	LangSmith	内置基础功能	自定义

性能

框架会增加开销。对于低延迟智能体（聊天界面），最小化的手写代码通常胜过框架。对于复杂的多步骤智能体，框架节省的开发时间通常超过其带来的开销。

LangGraph 的生产能力最强

检查点器（Postgres、Sqlite）、人在回路中参与、重试、流式处理和时间旅行——这些生产环境基础功能都是一等能力。其他框架更多地依赖用户代码。

CrewAI 在简单场景中的开发体验最佳

对于由 3-5 个智能体组成的团队，定义几个智能体和任务确实比使用 LangGraph 更简短、更具声明性。

AutoGen 擅长代码智能体

Microsoft 内部使用 AutoGen 来构建代码执行智能体（类似 GitHub Copilot Workspace）。其代码执行循环处于业界领先水平。

可以混合使用

并不是非此即彼。例如，可以使用 LangGraph 处理外层状态机，使用 AutoGen 处理内部的代码生成子智能体。

不要过度迷信框架

许多团队在选择框架上投入过多，而他们的智能体其实简单到手写 100-200 行代码就足够了。请从最简单的方案开始；只有在确实需要时才采用框架。

框架优势

哪个框架的生产能力最强？

回顾

LangGraph 适合显式状态机和生产环境。CrewAI 适合声明式的基于角色的团队。AutoGen 适合由对话驱动的智能体。请根据控制流风格进行选择。

常见问题解答

「LangGraph、CrewAI 与 AutoGen」课时是免费的吗？

是的 — 「LangGraph、CrewAI 与 AutoGen」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 AI Agents 课程的其余内容，请升级到 CoddyKit PRO。 AI Agents 课程共包含 4 节课。

「LangGraph、CrewAI 与 AutoGen」这节课中我会学到什么？

图式、基于角色与基于对话的编排——多步代理的三种理念。你通过在浏览器中直接运行的动手代码来练习 AI Agents，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 AI Agents 需要有经验吗？

无需任何先前经验。CoddyKit 上的 AI Agents 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 1 节课，共 4 节。

「LangGraph、CrewAI 与 AutoGen」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 AI Agents 课中编写并运行代码吗？

能。每节 AI Agents 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 AI Agents