框架选型演进路线#

为了开发公司自己的 Agent，前期做了不少调研和尝试。这篇文章记录一下使用过的几个框架。

LangGraph#

公司内最开始用的是 LangGraph 实现的 Agent。LangGraph 的核心思路是把执行流程建模成状态图，通过节点和边来定义 Agent 的行为。

OpenClaw#

OpenClaw 出来后，我就在研究 Skills 机制。

Skills 的设计思路是把 Agent 的能力模块化，每个 Skill 负责一个具体的功能域，Agent 可以根据需要动态组合这些 Skills。这个设计确实很巧妙，把能力模块化做得很彻底。

虽然设计优雅，但当时社区还比较小，文档也不够完善，最后没有继续使用。不过 Skills 的模块化思想对后续开发影响很大。

Hermes Agent#

Hermes Agent 流行起来之后，我基于它给公司内部业务搭建了几个 Skills。

但使用 Hermes Agent 作为公司 Agent 存在很大的问题。它本质上不是 Agent 开发框架，而是一个完整的个人助手类智能体，不适合用于生产环境。当时更多的只是一种可行性验证。

那时我就认为 LangChain 和 LangGraph 框架已经过时了，所以也没有采用这两种框架去做 Agent 开发。

DeepAgents#

后来注意到 DeepAgents 和 Pi 两个 Agent 开发框架，一个是 LangChain 团队出品，一个是 OpenClaw 使用的底座。

出于技术栈角度考虑，最终选用了 DeepAgents。

DeepAgents 对多模态支持比较好，社区也比较活跃。迁移过程中，之前写的 Skills 有一半需要重构，主要是接口适配和状态管理方面的调整。