多智能体协作框架对比：LangGraph、AutoGen、CrewAI 的取舍维度
多智能体协作框架对比：LangGraph、AutoGen、CrewAI 的取舍维度
一、 引言 (Introduction)
1.1 钩子 (The Hook)
你是否曾在深夜对着一个基于单LLM的代码助手崩溃？
比如你让它写一个完整的电商数据分析报告：既要爬取公开商品评论做情感分析、又要清洗历史销售数据算GMV、还要生成可视化图表和管理层级别的PPT大纲。结果它要么只做了其中一步就忘了爬取的接口地址，要么把情感分析的阈值调得乱七八糟，要么PPT大纲全是空话套话。或者更糟的是，它明明不会做数据可视化，还硬着头皮写了一堆跑不起来的Matplotlib代码，还嘴硬说“应该没问题，请检查你的库版本”。
这不是LLM的能力不行——单个LLM的知识边界、上下文长度限制、注意力分散和工具调用精准度，让它在复杂、多步骤、有明确分工协作的任务上力不从心。这就像让一个产品经理同时兼做后端开发、前端设计、数据分析和UI测试，除非他是十项全能的超级人类，否则效率和质量肯定大打折扣。
那怎么办？让一群“专业的AI小助手”像人类团队一样分工协作：有专门负责制定计划的“项目经理”、专门负责爬取数据的“数据工程师”、专门负责情感分析的“NLP专家”、专门负责可视化的“数据分析师”、专门负责生成PPT的“文案专员”……各司其职，通过结构化的流程或实时的对话传递信息，最终合力完成复杂任务。
而这，就是当下最火的多智能体协作（Multi-Agent Collaboration, MAC）技术，也是本文要讲的核心内容。