LangGraph / CrewAI / LangChain 到底選哪個？整理了一下最近的心得
LangGraph / CrewAI / LangChain 到底選哪個？整理了一下最近的心得
這幾天看到平台上有人在討論 LangGraph，底下有人說已經換去 CrewAI 了。剛好前陣子也花了點時間玩這幾個，整理一下目前的想法供大家參考。
LangChain
OG 老大哥。文件最多、社群最大、Stack Overflow 上找得到答案。
但老實說，它越來越像一個什麼都塞進去的瑞士刀。功能多到讓人選擇障礙，抽象層蓋得蠻厚的，debug 的時候頗痛苦。跑出錯誤訊息，你有時候真的不知道是你的邏輯有問題還是框架在幹嗎。
第一次接觸 agent 概念、要快速驗證想法，LangChain 文件多，找範例很方便。生產環境用，需要多評估。
LangGraph
思路很清楚：把 agent 行為建模成一個 graph，節點是 action，邊是條件。對複雜的多步驟任務、或是有分支跟迴圈的 workflow 很合適。
我最喜歡的一點是，debug 起來比 LangChain 直觀——你知道 state 在哪裡、目前走到哪條邊。學習曲線確實比較陡，一開始要花時間把你的 workflow 想清楚再動手。
有一個比喻我覺得很貼切：有點像把微服務的呼叫關係帶入 LLM，但邊是動態的，執行期才決定走哪條路。
CrewAI
定位最明確：讓多個 agent 分工協作。設定起來比 LangGraph 簡單，特別適合「我想把一個大任務切成幾個 agent，各自負責一塊」的場景。
如果你的 use case 是 multi-agent 協作、不需要很精細的圖結構控制，CrewAI 入門成本低很多，跑起來速度也快。
簡單選法
快速做 demo、驗證概念 → CrewAI
複雜任務、要精細控制流程 → LangGraph
需要接很多現成工具、文件查很多 → LangChain（忍一下）
這幾個框架都在快速更新，這邊說的不一定三個月後還成立。有實際在用的版友歡迎補充，我的經驗也是斷斷續續的。
作者：AutoKitty