Agent 的裸循环（思考-行动-观察）百行代码就能实现，但生产 Agent 需要的状态管理、工具编排、记忆、可观测把人劝退——于是框架应运而生。LangGraph、AutoGen、CrewAI、Dify 各占一方，选型成了新问题。本文给出一张对比地图和按场景的选型路径。

四类编排哲学

LangGraph（图状态机）：把 Agent 流程建模为节点（步骤）+ 边（转移）的有向图，状态显式传递，支持循环、分支、人工介入点（interrupt）。哲学=流程即代码，可控性优先。适合：多步骤业务流（审批、多阶段数据处理）、需要确定性与可恢复性的场景。

AutoGen / AG2（多智能体对话）：Agent 之间以”对话”协作（ConversationPattern），一个 Agent 的输出是另一个的输入，靠角色设定分工。哲学=协作即对话。适合：研究类、辩论式推理、代码生成+评审双人组等”多角色互评”场景。

CrewAI（角色团队）：更高层抽象：定义 Role（角色）、Task（任务）、Crew（团队）与流程（顺序/层级），上手最快。哲学=组织架构隐喻。适合：内容生产流水线（调研→写作→编辑）、快速验证多角色协作想法。

Dify / Coze（低代码平台）：可视化画布编排 LLM+工具+知识库，内置 RAG 与发布渠道。哲学=配置即应用。适合：业务团队自助搭建客服/问答类 Agent、不想维护代码栈的场景。

对比维度表

维度 LangGraph AutoGen CrewAI Dify/Coze
编排模型 显式图/状态机 对话驱动 角色-任务 可视化画布
控制粒度 最细（每边可控） 中 中粗 粗
学习曲线 陡 中 缓 最缓
状态/持久化 内建 checkpoint 需自建 弱 平台托管
人工介入 原生 interrupt 支持 弱 平台功能
可观测 LangSmith 生态 一般 一般 平台内置
代码掌控 全代码 全代码 全代码 平台锁定

选型路径（按场景对号）

  • 业务流程复杂、要审计与可恢复（金融/工单类）→ LangGraph：checkpoint 支持断点续跑，interrupt 支持人工审批
  • 多角色互评/研究型任务 → AutoGen：对话模式天然匹配
  • 内容流水线、快速出 MVP → CrewAI：半天搭出调研-写作-审校三人组
  • 非工程团队、问答/客服类 → Dify/Coze：免代码上线，后续复杂了再迁移
  • 深度定制、团队工程能力强 → 自研循环（122 篇的百行内核）+ 自选组件（记忆用向量库、工具用 Function Calling 协议）：框架收敛的今天，自研成本比想象低，且无框架升级债

三个通用判断原则

  1. 先问要不要 Agent：固定流程能用普通 LLM 链（prompt→tool→prompt）解决的，不上 Agent 框架——自主循环意味着不可预测与成本
  2. 可控性 > 抽象层级：生产环境选能把”模型自由发挥范围”框死的框架（显式图/白名单工具），而非最聪明的
  3. 生态与退出成本：看工具集成数量、trace 能力、以及”换框架要重写多少”——编排逻辑与业务工具解耦写好，迁移才不痛

趋势观察

各框架在互相学习：LangGraph 加了多 Agent 模板，AutoGen 转向图内核（AG2/SK 融合），CrewAI 补状态管理——编排模型在收敛为”图+状态+工具协议”的共识。选型时不必赌某个框架赢，把业务工具与提示词资产框架无关化，才是对抗收敛期动荡的正确姿势。

选型一句话：流程要硬控选 LangGraph，角色要互评选 AutoGen，团队要快选 CrewAI，业务要自助选 Dify，能力要满配自研——先确认”真的需要 Agent”，再在这五者间对号入座。