标签:PraisonAI | 多智能体 | AI框架 | 低代码 | LangChain替代
原文:开源星探 - https://mp.weixin.qq.com/s/vmjg1x3BeU5AWSz5nwwQ2A
PraisonAI:5行代码部署多智能体团队的全功能AI框架
项目简介
PraisonAI 是一个面向生产环境的全功能多智能体运行框架,由开发者 Mervin Praison 开源。它的核心理念是用极简的方式,让无论是新手还是企业技术团队,都能快速构建具备推理、记忆、自我改进与协作能力的复杂AI系统。
这个项目已经积累了 7.3K+ GitHub 星标,社区活跃度高。更惊人的是,它的智能体实例化时间仅为 3.77 微秒,比人类眨眼速度快 1000 倍!
核心亮点
1. 低代码 + 无代码
PraisonAI 最吸引人的地方,就是它的开发门槛极低。你可以选择:
- Python 代码模式:5 行代码就能部署一个智能体
- YAML 配置模式:完全零代码,写配置文件就能创建多个智能体
这种双重模式,让不同技术背景的开发者都能找到适合自己的方式。
2. 100+ 大模型支持,无缝切换
支持 OpenAI、Anthropic、Google、Ollama、Groq、DeepSeek 等 24 个主流大模型提供商,总计 100+ LLM 模型。
你可以根据成本、性能、功能需求自由切换,不用被任何一家供应商绑定。
3. 完整的智能体能力
| 能力 | 说明 |
|---|---|
| 规划能力 | 先规划再执行,然后自我反思优化 |
| 记忆系统 | 零依赖的持久化记忆,开箱即用 |
| 自我反思 | 智能体会评估和改进自己的输出 |
| 任务交接 | 多智能体之间可以无缝交接工作 |
| 深度研究 | 多步骤自主研究能力 |
| 工作流编排 | 支持路由、并行、循环等模式 |
4. 可视化拖拽编排
配合 LangFlow 集成,你可以像搭积木一样,用拖拽方式构建多智能体工作流,不用写一行代码就能完成复杂的编排设计。
5. 一键接入聊天平台
通过 Claw Dashboard,你可以一键把智能体接入 Telegram、Discord、Slack、WhatsApp 等聊天平台,让它们变成 24 小时在线的助手。
技术架构
PraisonAI 的架构设计遵循以下原则:
- 模块化设计:每个功能都是独立的模块,可以灵活组合
- 多智能体协作:支持智能体之间的任务分配和协作
- 可扩展性:可以轻松添加新的模型提供商和工具
- 生产就绪:考虑了性能、稳定性、安全性等生产环境因素
快速上手
安装方式
一键安装(推荐):
curl -fsSL https://praison.ai/install.sh | bash
pip 安装:
pip install praisonaiagents
完整安装(包含所有组件):
pip install "praisonai[all]"
设置 API 密钥
export OPENAI_API_KEY="your-api-key"
示例 1:创建单个智能体
用 Python 代码快速创建一个数据分析师:
from praisonaiagents import Agent
# 创建一个智能体,设定角色
agent = Agent(instructions="You are a senior data analyst.")
# 启动任务
agent.start("Analyze the top 3 tech trends of 2026 and format as a markdown table.")
就这么简单!运行这段代码,智能体会自动开始工作,输出 2026 年科技趋势分析。
示例 2:多智能体协作
单智能体已经很强大,但 PraisonAI 真正的威力在于多智能体协作。让我们创建一个研究+写作的团队:
from praisonaiagents import Agent, AgentTeam
# 研究员智能体
researcher = Agent(
name="Researcher",
instructions="Research topics thoroughly and gather comprehensive information"
)
# 作家智能体
writer = Agent(
name="Writer",
instructions="Write engaging, well-structured content based on research findings"
)
# 组建团队
team = AgentTeam(agents=[researcher, writer])
# 启动任务
team.start("Create a comprehensive blog post about the future of AI agents")
示例 3:YAML 配置方式
如果你不想写代码,PraisonAI 也支持用 YAML 文件配置智能体。创建一个 agents.yaml 文件:
framework: praisonai
topic: "Write a blog post about AI trends"
agents:
researcher:
role: Research Analyst
goal: Research AI trends and gather information
instructions: "Find accurate, up-to-date information about the latest AI trends"
writer:
role: Content Writer
goal: Write engaging blog posts
instructions: "Write clear, engaging content based on the research findings"
然后直接运行:
praisonai agents.yaml
两个智能体会自动协作,完成整个任务流程!
高级功能
可视化编排:拖拽创建工作流
PraisonAI 提供了 Flow Visual Builder:
pip install "praisonai[flow]"
praisonai flow
打开浏览器访问 http://localhost:7861,你就能用拖拽组件的方式,创建复杂的多智能体工作流。
Claw Dashboard:管理你的 AI 军团
Claw 是 PraisonAI 的仪表盘界面,提供完整的管理功能:
pip install "praisonai[claw]"
praisonai claw
访问 http://localhost:8082,你可以:
- 管理所有智能体
- 查看记忆和知识库
- 配置聊天平台接入
- 设置定时任务
- 监控运行状态
自定义工具
你还可以轻松创建自定义工具:
from praisonaiagents import Agent, tool
@tool
def search(query: str) -> str:
"""Search the web for information."""
return f"Results for: {query}"
agent = Agent(instructions="You are a helpful assistant", tools=[search])
数据库集成
支持 PostgreSQL、MySQL、SQLite、MongoDB、Redis 等 20+ 数据库:
from praisonaiagents import Agent, db
agent = Agent(
name="Assistant",
db=db(database_url="postgresql://localhost/mydb"),
session_id="my-session"
)
性能对比
PraisonAI 在性能方面表现出色:
- 智能体实例化时间:3.77 微秒(比人类眨眼速度快 1000 倍)
- 内存占用:优化后的轻量级设计
- 并发处理:支持大规模多智能体并发部署
适用场景
PraisonAI 适用于以下场景:
- 内容创作:研究 + 写作多智能体协作
- 数据分析:数据采集 + 分析 + 可视化流水线
- 客户服务:多轮对话 + 知识库检索 + 工单创建
- 代码生成:需求分析 + 代码编写 + 测试生成
- 研究助手:文献检索 + 摘要提取 + 报告生成
项目信息
| 项目信息 | 详情 |
|---|---|
| 项目名称 | PraisonAI |
| GitHub 链接 | https://github.com/MervinPraison/PraisonAI |
| Stars | 7.3K+ |
| 作者 | Mervin Praison |
| 技术栈 | Python, Multi-Agent Framework |
| 支持模型 | 100+ LLMs (OpenAI, Anthropic, Google, Ollama, etc.) |
| 许可证 | 开源 |
| 文档 | https://praison.ai |
总结
PraisonAI 彻底改变了多智能体开发的游戏规则。它让 AI 从只能聊天问答,变成真正能跑完一整套工作流程的生产力工具。
无论你是想快速做一个原型,还是要构建企业级的 AI 系统,PraisonAI 都是值得尝试的选择。
原文链接:https://mp.weixin.qq.com/s/vmjg1x3BeU5AWSz5nwwQ2A