从 LangChain 到 AutoGen、CrewAI，Agent 框架让大模型从「单次问答」升级为「多步任务」。本文梳理主流框架、核心概念与企业落地路径。
为什么需要 Agent 框架
大模型本身只能对话，无法独立完成多步任务。Agent 框架赋予模型「思考—规划—调用工具—反思」的能力，让 AI 真正动手做事。
五大主流框架对比
- LangChain / LangGraph：生态最广，适合复杂链式调用。
- LlamaIndex：侧重 RAG 与文档场景。
- AutoGen：微软出品，主打多 Agent 协作对话。
- CrewAI：角色扮演 + 任务编排，轻量易上手。
- Semantic Kernel：.NET 生态首选，企业级集成友好。
核心概念速览
Tools（工具调用）、Memory（长期/短期记忆）、Planning（任务分解）、Reflection（自我反思）、Multi-Agent（角色分工）。掌握这五要素即可理解大部分框架。
企业落地的三个真实场景
- 智能客服：自动查订单、改地址、退款。
- 代码 Agent：自动编写测试、修复 Bug、生成 PR。
- 数据分析 Agent：自然语言查询数据库并生成可视化报表。
风险与未来
幻觉、循环调用、成本失控是企业部署 Agent 的三大痛点。引入「人在回路」与可观测性是必经之路。
