00:00 / 03:21
连播
清屏
智能
倍速
点赞NaN
00:00 / 01:51
连播
清屏
智能
倍速
点赞1837
00:00 / 01:40
连播
清屏
智能
倍速
点赞15
00:00 / 02:32
连播
清屏
智能
倍速
点赞88
【干货】LangGraph / CrewAI 都过时了? 别再默认上 LangGraph:2026 年做 AI Agent,真正的趋势不是框架越来越复杂,而是重新回到软件工程。 🔧 这期聊一个很现实的问题:LangChain、LangGraph、CrewAI、AutoGen 这些 Agent 框架,到底还值不值得学?我不会简单说它们“死了”或者“没用了”,而是从生产系统的角度讲清楚:什么场景适合用,什么场景其实是在给自己加复杂度。 ⚡ LangGraph 仍然很强,尤其适合 long-running、stateful、human-in-the-loop 的 Agent 编排。但如果只是简单工具调用、结构化抽取、客服机器人、明确业务流,默认上 Graph、State、Node、Edge、Checkpoint,很多时候就是过度设计。 🚧 CrewAI 的 Demo 体验非常爽,角色、任务、协作都很直观。但生产系统要的是确定字段、权限边界、失败重试、审计日志、SLA 和可复现性。纯自然语言多 Agent 协作,在企业系统里很容易变成 token 成本、延迟和调试噩梦。 🧭 AutoGen 的历史意义很大,它很早推动了多 Agent 对话解决问题的范式。但现在新项目选型,需要关注 Microsoft Agent Framework、OpenAI Agents SDK、Claude Agent SDK / Managed Agents、Pydantic AI、Instructor、Temporal、LlamaIndex 这些更明确分层的方案。 🧠 我的核心观点:AI 的尽头不是越来越复杂的黑盒框架,而是回归经典的软件工程。把大模型当成一个组件,用数据库管理状态,用队列和 Temporal 管长任务,用类型系统和 schema 管输出,用 trace/eval/log 管质量。 如果你正在做 AI Agent、LLM 应用、RAG 系统,或者正在纠结 LangGraph、CrewAI、AutoGen、OpenAI Agents SDK 怎么选,这期会给你一个更工程化的判断框架。 喜欢这种 AI 工程实战和技术选型分析,记得点赞、订阅。也欢迎在评论区说说:你们团队现在还在用 LangGraph,还是已经退回原生 SDK 了?CrewAI 有没有真的上过生产? AI Agent, AI智能体, Agent框架
00:00 / 10:08
连播
清屏
智能
倍速
点赞800
00:00 / 00:46
连播
清屏
智能
倍速
点赞2534
00:00 / 04:42
连播
清屏
智能
倍速
点赞NaN
00:00 / 00:30
连播
清屏
智能
倍速
点赞5
00:00 / 00:10
连播
清屏
智能
倍速
点赞20
00:00 / 03:14
连播
清屏
智能
倍速
点赞15
00:00 / 04:54
连播
清屏
智能
倍速
点赞41
00:00 / 00:40
连播
清屏
智能
倍速
点赞6
00:00 / 01:26
连播
清屏
智能
倍速
点赞76
00:00 / 02:22
连播
清屏
智能
倍速
点赞0
00:00 / 07:27
连播
清屏
智能
倍速
点赞4