Day 202510-22 Evergreen 2025年10月22日 ai大模型 预计阅读 13 分钟 - LangChain框架介绍：https://www.yuque.com/xiaxiaoshuai/xsc8y4/cem43p5wl1l4zg3q) - (AIAgent+MCP从0到1打造商业级编程智能体)对应视频地址：https://www.bilibili.com/video/BV1NxstziEk9 - Spring AI Alibaba 开源生态中的大量扩展与使用示例: https://java2ai.com/cloud/ - B端页面UI组件：[Preline UI - Tailwind CSS components library](https://preline.co/) - 精选 LLM 应用集（100+智能体和RAG应用）：https://www.zdoc.app/zh/Shubhamsaboo/awesome-llm-apps - 快速构建前端页面的Python框架：https://docs.streamlit.io/ - 大模型17种核心方案：https://jcny2we8lxya.feishu.cn/wiki/J7jAwBqWZiGie6kHZadce3Ktn3c - Pinia Colada |用于Vue.js的智能数据获取层： https://pinia-colada.esm.dev/ - JoyAgent-京东开源的智能平台：https://joyagent.jd.com/pl/ - 一个只有0.5B的声音克隆模型：https://github.com/OpenBMB/VoxCPM - 部署[【本地部署教程】手把手教你搭建面壁的VoxCPM TTS！离线语音合成神器](https://www.bilibili.com/video/BV1VoJ9zkEA7/?vd_source=54f8c337f01e09ba4a2d3613ee505fd8) - [DeepSeek-OCR · 模型库 (modelscope.cn)：https://www.modelscope.cn/models/deepseek-ai/DeepSeek-OCR - DeepSeek-OCR的参数量约为3B，是研究团队对“光学二维映射压缩”技术在长文本上下文处理中可行性的首次探索。 - [DeepSeek-OCR 如何使用？分步教程指南 (apifox.com)](https://apifox.com/apiskills/hwo-to-use-deepseek-ocr/) - steipete/agent-rules：规则和知识，以便更好地与 Claude Code 或 Cursor 等代理合作 ：https://github.com/steipete/agent-rules - 微信聊天记录解密：https://sarv.blog/posts/chatlog/ - 通过动画可视化数据结构和算法：https://visualgo.net/zh - [NanGePlus/RagLangChainTest)](https://github.com/NanGePlus/RagLangChainTest) - 500 个 AI 代理项目是各行业 AI 代理用例的精选集合：https://github.com/ashishpatel26/500-AI-Agents-Projects) - langchain-ai/深度代理：https://github.com/langchain-ai/deepagents - Ling-1T · 模型库 (modelscope.cn)：https://www.modelscope.cn/models/inclusionAI/Ling-1T 6 个主流 Agent 框架（AutoGen / LangChain / LangGraph / Google ADK / OpenAI Agents / AgentScope）进行逐条拆解与要点提炼，方便快速横向对比与选型决策。 1. AutoGen（微软） | 维度 | 一句话提炼 | 展开说明 | | -------- | --------------------------------------------------- | ------------------------------------------------------------ | | 优势 | 原生多 Agent 对话式编程，复杂拓扑一句话就能搭出来。 | 提供“ConversableAgent”基类，内置消息总线，GroupChat、Manager 等模式开箱即用，代码即拓扑。 | | 劣势 | 缺企业级治理、监控、高可用方案，生产落地需自己补。 | 日志、指标、链路追踪、权限体系均弱；仅适合 PoC 或科研。 | | 适用场景 | 任务拆分、头脑风暴、多角色仿真、算法研究。 | 如“1 个 Planner + 3 个 Worker + 1 个 Reviewer” 自动写代码、跑实验。 | 2. LangChain | 维度 | 一句话提炼 | 展开说明 | | -------- | ------------------------------------------------- | ------------------------------------------------------------ | | 优势 | 工具链最全，RAG+Agent 生态“全家桶”。 | 600+ 集成（搜索、API、数据库、向量库），LCEL 语法可一键把 Prompt→LLM→OutputParser 串成链。 | | 劣势 | 过度灵活导致代码碎片化、链路黑盒、性能调优难。 | 多层抽象、隐式状态，调试时需开 LangSmith 才能看清；异步批处理性能一般。 | | 适用场景 | 企业级 RAG、需要接 10+ 内外部工具的中台型 Agent。 | 例如“知识库问答 + SQL 查询 + 工单创建” 一站式对话界面。 | 3.LangGraph | 维度 | 一句话提炼 | 展开说明 | | -------- | ----------------------------------------------------- | ------------------------------------------------------------ | | 维度 | 一句话提炼 | 用“有向图”让 Agent 流程可视化、可审计。 | | 劣势 | 上手曲线陡，必须吃透 LangChain 才能玩得转。 | 图 DSL 与代码双维护，节点粒度设计不好会成“ spaghetti graph”。 | | 适用场景 | 流程重、需合规留痕的 B 端场景，如金融审批、运维工单。 | 节点即步骤，谁批过、谁拒绝直接看图溯源。 | 4. Google ADK（Agent Developer Kit） | 维度 | 一句话提炼 | 展开说明 | | -------- | ------------------------------------------------------------ | ------------------------------------------------------------ | | 维度 | 一句话提炼 | 与谷歌模型 & 云原生深度绑定，跨模态能力最好。 | | 劣势 | 生态刚起步，文档少，非 Google 组件集成费劲。 | 国内网络问题 + OAuth 授权链长；想接 AWS、Azure 服务得自己写 Bridge。 | | 适用场景 | 已采购 Google Cloud、需用 Gemini 做图片/视频/文档混合推理的项目。 | 例如“上传一张设备故障图 → Gemini 识别 → 自动生成维修工单”。 | 5. OpenAI Agents（原 GPTs / Assistant API） | 维度 | 一句话提炼 | 展开说明 | | -------- | ---------------------------------------------------- | ----------------------------------------------------------- | | 维度 | 一句话提炼 | 5 分钟就能把 Agent 上线到 ChatGPT 生态，零运维。 | | 劣势 | 只能跑在 OpenAI 云上，无法私有部署，数据出境风险高。 | 不支持 BYO LLM、BYO 硬件；调用费用 & 速率受官方套餐硬限制。 | | 适用场景 | 轻量 C 端聊天机器人、营销 Demo、快速验证。 | 例如“企业产品手册 GPT” 给外部客户自助答疑。 | 6. AgentScope（阿里 ModelScope） | 维度 | 一句话提炼 | 展开说明 | | -------- | ------------------------------------------------------- | ------------------------------------------------------------ | | 维度 | 一句话提炼 | 消息总线 + 模块化 + 分布式，主打“多 Agent 大并发仿真”。 | | 劣势 | 社区新，企业级运维工具链（CI/CD、监控、权限）尚不完善。 | 文档以中文为主，英文材料少；与阿里云产品耦合度高，跨云需二次开发。 | | 适用场景 | 大规模多智能体仿真、复杂任务拆解、并行博弈测试。 | 例如“1000 个虚拟用户 Agent 同时逛淘宝，验证推荐算法承压表现”。 | 横向对比速查表 | 框架 | 多 Agent | 云原生 | 可视化 | 私有部署 | 适合阶段 | | ------------- | -------- | ------ | ------ | ---------------- | ------------- | | AutoGen | ⭐⭐⭐⭐☆ | ⭐ | ⭐ | ✅ | 研究 / PoC | | LangChain | ⭐⭐ | ⭐⭐⭐ | ⭐ | ✅ | 企业级 RAG | | LangGraph | ⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ✅ | 流程审批 | | Google ADK | ⭐ | ⭐⭐⭐⭐ | ⭐⭐ | ❌（Google Only） | Google 生态 | | OpenAI Agents | ⭐ | ⭐⭐⭐ | ⭐ | ❌ | 快速上线 | | AgentScope | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐ | ✅ | 多 Agent 仿真 | --- 一句话总结 - **做科研、玩拓扑** → 选 AutoGen - **做企业 RAG、工具狂魔** → 选 LangChain - **流程要合规、老板要看图** → 选 LangGraph - **已 all-in Google Cloud & Gemini** → 选 Google ADK - **5 分钟上线 Demo、不介意托管** → 选 OpenAI Agents - **要跑 1000 个 Agent 并行压测** → 选 AgentScope
评论区