6400+ Star，被马斯克点赞！这个多智能体框架让AI团队替你打工

大家好，我是何三，独立开发者

最近刷 GitHub Trending，一个叫 PraisonAI 的项目引起了我的注意。6400+ Star，MIT 协议，支持 100+ 大模型，还直接被马斯克在推特上点名引用。

这东西说白了就一件事——让多个 AI Agent 组成团队，替你干活。而且门槛极低，几行代码就能跑起来。

今天花点时间聊聊这个框架到底能干嘛，适不适合你。

先搞清楚：什么是多智能体？

现在大部分人用 AI，还是"一人一对话"的模式。你问一个问题，它答一个，问完即走。

但现实中的工作不是这样的。写一篇文章，你得先调研、再列大纲、再写内容、最后润色。每一步可能需要不同的"人"来做。

多智能体的思路就是：让多个 AI Agent 各司其职，像真实团队一样协作完成复杂任务。

比如一个研究 Agent 负责搜索和整理信息，一个写作 Agent 负责生成内容，一个审核 Agent 负责检查质量。它们之间还能互相交接、传递上下文。

PraisonAI 就是做这个事的框架。

为什么关注 PraisonAI？

市面上做 Agent 框架的项目不少，CrewAI、AutoGen、LangGraph 都是热门选手。但 PraisonAI 有几个点确实比较突出。

1. 真的低代码，上手极快

from praisonaiagents import Agent, Agents

research_agent = Agent(instructions="Research about AI")
summarise_agent = Agent(instructions="Summarise research findings")
agents = Agents(agents=[research_agent, summarise_agent])
agents.start()

三行代码，两个 Agent 开始协作。这比大多数框架都简洁。不需要复杂的配置，不需要理解一堆抽象概念。

2. 性能怪兽级别

官方数据显示，Agent 实例化平均耗时 3.77 微秒。

什么概念？1 毫秒 = 1000 微秒。这意味着你可以在极短时间内创建大量 Agent 实例，大规模部署也不会有明显的启动开销。

3. 100+ 大模型随便换

OpenAI、Claude、Gemini、DeepSeek、Grok、Ollama 本地模型……一口气支持了 100 多家。切换模型就改个参数的事，不用重写逻辑。

# 用 DeepSeek
agent = Agent(instructions="...", model="deepseek/deepseek-chat")

# 用 Ollama 本地跑
agent = Agent(instructions="...", model="ollama/llama3")

# 用 Grok
agent = Agent(instructions="...", model="xai/grok-beta")

这个灵活性对想省钱或者有合规要求的团队来说，相当实用。

4. 马斯克都点过赞

Elon Musk 在推特上转发了 PraisonAI 的 Grok 3 客户支持教程。虽然不能代表什么技术评价，但至少说明这个项目在社区里已经有一定知名度了。

能力全景图

看了上面的架构图，你会发现 PraisonAI 的野心不止于"多 Agent 协作"。它实际上想做一个完整的 AI 应用开发平台。

几个我觉得比较有意思的能力：

MCP 协议支持

MCP（Model Context Protocol）是最近很火的标准，可以让 Agent 连接各种外部工具和数据源。PraisonAI 支持 stdio、HTTP、WebSocket、SSE 四种传输方式。

from praisonaiagents import Agent, MCP

# 连接本地 MCP 服务器
agent = Agent(tools=MCP("npx @modelcontextprotocol/server-memory"))

# 连接远程 MCP 服务器
agent = Agent(tools=MCP("https://api.example.com/mcp"))

这意味着你可以直接让 Agent 操作数据库、调 API、控制浏览器，而不需要自己造轮子。

AgentFlow 工作流引擎

复杂任务不是简单的"串行执行"就行的。有时候需要并行处理，有时候需要根据中间结果做路由判断。

PraisonAI 的 AgentFlow 提供了 route、parallel、loop、repeat、条件分支、检查点回滚等工作流模式。

打个比方：你要分析 100 个网页，可以用 parallel() 让多个 Agent 同时处理，速度直接翻倍。某一步失败了，还能自动回滚到上一个检查点重试。

记忆和知识库

Agent 可以有短期记忆和长期记忆，还能对接 RAG（检索增强生成）做知识问答。支持 PDF、DOCX 等文档导入，可以对接各种向量数据库。

这就意味着你的 Agent 可以"记住"之前聊过什么，还能基于你提供的文档来回答问题。

直接对接聊天平台

这可能是对普通人最实用的功能——装个 Claw 扩展，就能把 AI Agent 接入 Telegram、Discord、WhatsApp、Slack。

pip install "praisonai[claw]"
praisonai claw

打开 localhost:8082，可视化管理面板就出来了。你的 AI 团队 24/7 在线，用户通过聊天软件直接跟你的 Agent 交互。

客户支持、自动问答、内容推送，这些场景想想就觉得有意思。

实战：搭建一个自动化研究团队

来看一个具体的例子——搭建一个"自动调研 + 写作"的 AI 团队。

用 YAML 方式（完全不需要写代码），创建一个 agents.yaml 文件：

framework: praisonai
topic: "写一篇关于AI Agent框架的技术分析"

agents:
  researcher:
    role: Research Analyst
    goal: 调研 AI Agent 领域最新趋势和技术方案
    instructions: "搜索并整理 AI Agent 框架的最新发展，包括技术对比、应用场景"
    tools:
      - web_search

  writer:
    role: Content Writer
    goal: 基于研究结果撰写技术分析文章
    instructions: "用通俗易懂的语言写一篇结构清晰的技术分析文章"

  reviewer:
    role: Quality Reviewer
    goal: 审核文章质量并提出修改建议
    instructions: "检查文章的准确性、完整性和可读性"

然后一行命令：

praisonai agents.yaml

三个 Agent 就开始按顺序协作：先调研，再写作，最后审核。每个 Agent 的输出会自动传递给下一个。

如果你想用 Python，灵活性更高：

from praisonaiagents import Agent, Agents

# 创建研究 Agent，开启网页搜索
researcher = Agent(
    name="Researcher",
    instructions="深度调研AI Agent框架的技术方案",
    web_search=True
)

# 创建写作 Agent
writer = Agent(
    name="Writer",
    instructions="基于研究结果撰写技术文章",
    memory=True  # 开启记忆
)

# 组建团队
team = Agents(agents=[researcher, writer])
team.start("分析 PraisonAI、CrewAI、AutoGen 三个框架的优劣势")

整个过程大概几分钟就能跑完，产出的质量……说实话，取决于你的 Prompt 写得好不好。但框架本身的编排能力是够用的。

跟其他框架比，优势在哪？

简单对比一下几个主流 Agent 框架：

PraisonAI 的核心优势在于低门槛 + 全功能。它把很多在别的框架里需要自己拼装的东西，直接内置了。

当然，如果你需要非常精细的图状态管理和复杂的状态机，LangGraph 可能更合适。但说实话，80% 的场景用不到那么复杂的控制。

谁适合用这个？

• 独立开发者：想快速搭建 AI 应用，不想花大量时间在框架选型和底层实现上
• 内容创作者：自动调研、写作、审核流水线
• 创业团队：快速做 AI 原型，验证商业模式
• 技术爱好者：学习 Agent 框架的最佳入门选择之一

一些真实的想法

PraisonAI 虽然功能很全，但也要说几个我观察到的点：

功能太多，文档维护是个挑战。README 里列了 25+ 个特性，对新手来说可能反而会有选择困难。

Star 增长很快（6400+），但跟 CrewAI 的 40k+、LangChain 的 100k+ 比还有距离。生态成熟度还需要时间验证。

不过作为 MIT 协议的开源项目，拿来学习和做原型是完全没问题的。真正适合做生产环境，还需要你根据自己的场景做更多的压力测试和稳定性验证。

项目地址：https://github.com/MervinPraison/PraisonAI 文档：https://docs.praison.ai

感兴趣的可以 clone 下来玩玩，pip install praisonaiagents 一行命令就能开始。

本文使用 MGO 编辑并发布

关注"何三笔记"，回复"mgo" 免费下载使用