项目介绍
这份资料涉及 AutoGPT、Dify、LangChain、MetaGPT、AutoGen、Flowise、CrewAI、ChatDev、SuperAGI 与 Letta。选型要先确定工作流、部署方式和可观测要求,再比较框架。
Agent 平台可按使用方式分为可视化应用编排、代码开发框架与多角色协作实验。选择时先看团队要交付聊天应用、自动处理流程还是开发工具,不能只按项目热度决定,也不需要将十个项目都部署一遍。
核心功能
| 功能 | 作用与使用方式 |
|---|---|
| 可视化应用 | Dify Flowise 等侧重编排 |
| 开发框架 | LangChain 等侧重代码集成 |
| 角色协作 | CrewAI AutoGen 等组织任务 |
| 自主执行 | 评估循环与停止条件 |
| 记忆状态 | 检查长期信息管理 |
功能示意

图 1:自制功能示意图,概括本文的使用要点。
项目信息
| 项目 | 说明 |
|---|---|
| 类型 | 项目合集 |
| 分类 | AI 与开发 |
| 整理日期 | 2026-11-14 |
安装或使用条件
先确定要解决的问题、设备资源和数据保存要求,再筛选候选项目;不需要一次安装文中提到的所有服务。
安装与使用步骤
- 区分可视化应用平台、编程框架、多角色协作和记忆管理,先排除不适合自身维护能力的路线。
- 用同一份小任务测试模型接入、工具调用、引用、日志与失败恢复。
- 比较当前维护状态、许可证和升级成本,再决定是否引入正式项目。
用同一个任务比较候选方案
可以用「读取三份文档、回答一个问题、附出处并保存草稿」作为统一测试。Dify 与 Flowise 等可视化方案重点检查流程配置和维护成本;LangChain 等代码框架重点检查接口组合与调试方式;CrewAI、AutoGen 等协作方案重点观察角色分工与终止条件。
AutoGPT、MetaGPT、ChatDev、SuperAGI 与 Letta 等项目各自侧重点不同,按当前文档核对工具、记忆、权限与运行要求。记录模型费用、失败次数、日志可读性和人工介入方式,再做选型。先限制输入目录与工具权限,避免把演示任务直接升级为可任意执行的生产流程。
首次使用与操作检查
用同一份资料整理任务测试两条候选路线,比较配置量、引用和中间结果。
记录失败后如何恢复,以及费用和升级成本。只需固定流程时优先比较简单编排,不必引入多角色系统。
配置与常见问题
- 不沿用原文的排名与 Star 数判断质量,也不把不同框架的安装命令互相套用。
更新与备份
保存评估样例、任务定义和依赖锁定文件,记录选择依据。