CrewAI
简介
以「角色扮演」为核心的多 Agent 框架：为每个 Agent 设定角色、目标与工具，像组建团队一样编排 AI 协作，上手简单、社区活跃。
English
Role-playing multi-agent framework: assign roles, goals and tools to each agent and orchestrate them like a team.
适用场景
- 业务流程本身是岗位分工（研究员—撰稿—审校），希望直接映射成 Agent
- 要快速交付一个内容生产或行业调研的自动化流程
- 团队不熟图编排，想用声明式 YAML 定义角色与任务
快速上手
- pip install crewai crewai-tools，再用 crewai create crew 生成项目骨架
- 在 agents.yaml 写角色（role/goal/backstory），在 tasks.yaml 写任务与预期产出
- 给 Agent 挂搜索、爬虫等工具，执行 crewai run 跑通整条流程
- 按输出质量收紧 expected_output 与任务依赖，再加人工复核节点
标签
相关资源
LangChain 精选
最流行的 LLM 应用开发框架，提供链式调用、Agent 编排、工具调用与 RAG 全套能力，Python 与 JS 双语言生态，适合快速搭建各类 AI Agent 应用。The most popular framework for building LLM applications: chains, agent orchestration, tool calling and RAG out of the box, in both Python and JavaScript.
LangGraph 精选
基于图（状态机）的 Agent 编排框架，擅长多 Agent 协作、循环与人工介入流程，是 LangChain 官方推荐的复杂 Agent 生产方案。Graph-based agent orchestration from the LangChain team. Ideal for multi-agent collaboration, loops and human-in-the-loop workflows in production.
AutoGen
微软开源的多 Agent 对话框架，让多个 Agent 通过对话协作完成复杂任务，支持人机混合参与，学术与工业界应用广泛。Microsoft's open-source framework where multiple agents converse to solve complex tasks, with human-in-the-loop support.