三大 Agent 框架横评：我最后留下了哪一个

后台老有人问：想搭智能体，LangGraph、CrewAI、AutoGen 选哪个？之前我的回答都是"看你需求"，说了等于没说。这个月我把三个框架各花了两三天，拿同一个项目重做了一遍，今天给出一个有立场的答案。

同一个项目

挑的是我真实在用的一个：告警分诊智能体。接收告警 → 查历史相似案例 → 判断严重级别 → 低危自动处理，高危通知人 → 生成处理记录。这个项目有状态流转、有分支判断、有人工确认环节，三个框架的特色都能试出来。

LangGraph

把流程建成一张图，节点是步骤，边是流转条件。上手那天我画了一下午流程图才跑通第一个版本，挺劝退。但跑通之后的感受完全不同：每次告警走到哪一步、为什么走了这条分支，日志清清楚楚。中途出了个 bug，我盯着图两分钟就找到了是哪条边写错了。它是三个里面唯一让我"看得见流程"的。

CrewAI

写法最舒服，定义几个"角色"——排查员、定级员、记录员——给他们各写一段职责描述，任务像流水线一样传下去。一天就搭出了能跑的版本，代码量最少。但用深了之后我发现它的自由度是个问题：我想在定级环节插入一个人工确认，查了半天文档发现要绕不少路。角色扮演的模式很优雅，可告警分诊这种流程敏感的任务，优雅不是第一需求。

AutoGen

主打多智能体对话，几个模型互相讨论得出结论。我做实验的时候觉得非常惊艳——排查员和定级员"争论" severity 的过程真挺像人开会。但放到生产场景里我犹豫了：每条告警都要来一场对话，token 消耗是对话轮数的函数，一个月跑下来账单我看了眼晕。而且讨论这种事，不可控，两条一模一样的告警可能得出不同结论，这对告警系统是硬伤。

我留了谁

留下来的是 LangGraph，理由很朴素：这个项目会在生产里跑，我需要确定性、需要可观测、需要出问题时能排查。探索阶段和原型阶段，我可能还会用 CrewAI 图快；多智能体讨论那种玩法，留给我做方案推演的时候玩。

选型这事网上吵得很凶，我的经验就一条：先想清楚你的智能体是"跑给别人用的生产系统"，还是"跑给自己玩的实验项目"。前者的关键词是可控，后者的关键词是快。想明白这个，选择自动就出来了。