可以装进去的能力

VA

Vercel AI SDK

Vercel

JavaScript 项目要加一次模型调用时，多数会用它——主要是因为流式输出、工具调用和换厂商这些事，在你动手写之前就已经处理好了。

L

LangChain

LangChain

生态最大，接触面也最大。你需要的东西它基本都有集成；真正费工夫的是决定「只用它多少」。

L

LlamaIndex

LlamaIndex

比 LangChain 窄，也正因为窄而更锋利：对自有文档做检索就是它的全部，而质量恰恰出在解析和切分上。

C

Composio

Composio

给智能体常用的那些服务预先做好了带认证的连接器，省掉任何智能体项目里最没意思的那一周。

C

CrewAI

CrewAI

把一个任务描述成带管理者的角色团队——这跟人们本来描述工作的方式很贴合，但在角色其实分不开的任务上就很别扭。

D

DSPy

Stanford

用「在样本上做优化」取代「手写提示词」。如果你有样本，这可能是正解；如果没有，就是过度设计。哪怕最后不用，这个思路本身也值得读一读。

PA

Pydantic AI

Pydantic

以「有类型的输出」为核心主张，所以格式不对的回复会在边界上就失败，而不是三个函数之后才炸。适合本来就活在类型检查器里的人。

S

smolagents

Hugging Face

让智能体通过写代码来行动，而不是去调工具描述——活动部件更少，安全面大得多。小到一个下午就能读完。

SK

Semantic Kernel

Microsoft

在 .NET 或 Azure 体系里该看的那个——它有意义的地方不是抽象设计，而是跟这套技术栈其余部分的打通。

A

AutoGen

Microsoft

多智能体对话这条线的研究源头，背后发表的东西最多，API 也最有学术味。

H

Haystack

deepset

一个早于这一波浪潮的流水线框架，成熟度体现在它的评估工具上，而不是模型集成上。

L

Letta

Letta

把「持久记忆」当成第一性的事情而不是外挂——如果你的智能体需要记住上周的事，这才是正确的起点。

M

Mem0

Mem0

一层加在现有应用上的记忆层，而不是让你在它之上搭应用的框架。它到底省了什么，诚实的说法是省了管道，不是省了思考。

RA

Relevance AI

Relevance AI

用无代码方式拼出一队智能体，面向运营而不是工程。它的限制和任何可视化搭建工具一样，只是到来的时间比你以为的晚。

T

Toolhouse

Toolhouse

一个托管的工具箱，让智能体去调——于是工具的可用性成了别人的问题。工具只是边角时这买卖划算，工具本身就是产品时就不划算。

TM

The MCP server ecosystem

社区

社区发布的那些服务端，从文件和 git 访问到数据库、工单系统都有。质量差别极大，而其中包装数据库的那些，装之前值得仔细看很久。

OA

OpenAI Agents SDK

OpenAI

小、有主张、围绕智能体之间的交接来设计。它是一层薄封装而不是平台——这是褒奖，也是有些团队后来不够用的原因。