AI Agents框架选择指南：仿佛在玩初创公司模拟经营游戏

推荐语

打造AI Agents产品，就像玩创业模拟游戏，充满挑战与乐趣。

核心内容：
1. 明确公司业务：如何根据客户需求推荐旅居地
2. 招聘Agent：单智能体还是多智能体方案
3. 设计业务流程：引导式与自由式对话的结合

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

打造一个 AI Agents 产品，其实就像创办一家创业公司。你需要明确：

• 你要开什么样的公司？
• 你要做什么样的业务(项目需求)？
• 你要雇佣什么样的员工（Agent）？
• 雇佣的员工需要掌握的业务流程是怎样的?

我们来详细聊聊看~

记得先带入创业者的角度哟~

1. 公司业务：做什么？

假设你要创办的是一家 数字游民旅居地推荐咨询公司。这家公司专注于：

?「根据顾客的需求，帮他推荐合适的旅居城市，并提供相关的实用信息。」

• 举个例子：

客户说： “我希望生活成本低、气候温暖、女性友好、安全又好玩。”

于是你的系统就会根据多个维度做出推荐。数据来源包括：

? https://nomadlist.com/（全球数字游民城市评分与标签）

? 各城市共享空间数据（如 Coworking 位置、评分）

? 天气 API（温度、湿度、空气质量）

? 签证信息（VisaHQ、iVisa 等）

? 当地民俗文化、女性安全指数

2. 招人：招几个 Agent？

和现实中一样，是否招多个员工（Agent），取决于你的 预算、资源和业务复杂度。

方案一：多个 Agent（多智能体）

每个 Agent 各司其职，分工明确

• 生活成本分析师 → CostAgent
• 签证政策专家 → VisaAgent
• 女性友好指数 + 安全顾问 → CultureAgent
• 天气顾问 → WeatherAgent

使用框架：LangGraph / AutoGen / CrewAI 等支持多 Agent 协作的方案。

方案二：一个 Agent（单智能体）

一个“全才员工”，可以处理所有问题 这个 Agent 会：

• 读取你的数据库（城市生活成本、评分、标签）
• 查询天气、签证信息
• 给出综合推荐建议 使用框架：LangChain Agent、Function Calling API 等。

? 初期推荐从“单 Agent”起步，等产品成熟再迭代成“多 Agent 协同”。

3. 业务流程：沟通方式

你还需要设计 AI 与用户的沟通逻辑：

? 引导式对话（适合需求不清晰的用户）

“你偏好什么样的气候？”

“有没有预算范围？”

“有没有女性安全方面的考虑？”→ 类似客服一步步引导用户澄清需求。

? 自由式对话（适合目标明确的用户）

“请推荐一个适合 1 月份居住的气候温暖又安全的城市。” → Agent 直接解析目标，调用相关模块给出结果。

我们可以尝试自由式对话和引导式对话一起。

设计一个自由对话框，同时在对话框下方显示一些引导式的话题。

这种方式让用户可以自由输入问题，同时也能看到一些建议或引导，帮助他们在需求不明确时进行选择。这样既保持了对话的灵活性，又能在用户迷失时提供帮助。

4. 技术选型建议

市面上主流 AI Agents 框架有：

推荐搭配：

前期采用 LangChain 单 Agent + LangGraph 可扩展设计，为后期多 Agent 升级打好基础。

为什么这样选择？

• LangChain 上手简单，适合快速构建 MVP（最小可行产品），便于快速跑通业务流程。
• LangGraph 具有清晰的架构和灵活的多 Agent 协作能力，适合后期扩展，提升对话自由度。
• LangGraph 建立在 LangChain 之上，可以无缝整合，避免前期推翻重做。

为什么不一开始就用多 Agent？

• 在业务逻辑不复杂的初期，采用多 Agent 可能会导致“过度设计”，增加开发复杂度。
• 采用 LangChain 快速开发 MVP 后，能够确保产品的核心功能稳定，再逐步引入 LangGraph 扩展多 Agent 协作，避免浪费开发成本。

当然，如果你对 AI Agent 开发非常熟悉，并且有较高的需求，也可以尝试 CrewAI 和 AutoGen 框架，它们适合更复杂的多智能体对话型应用。

✅ 小结

构建 AI Agent 产品就像创办一家公司，关键在于：

• 明确定位（你开的是哪类公司）
• 梳理业务（你提供什么服务）
• 智能人设（招一个全才还是多个专家）
• 合理架构（单 Agent 起步，多 Agent 扩展）