文章探讨了选择Agent开发框架的重要性，指出同一LLM在不同框架下表现差异巨大。作者通过一个抖音视频，介绍了七种主流Agent架构，并提出了选型决策矩阵。文章强调应根据场景复杂度和控制力需求选择框架，而非盲目追求先进性。其中，Route+Skill架构因其稳定性和可度量性被推荐，而Plan&Execute架构则存在计划错误导致全盘崩溃的风险。文章最后总结道，没有最好的架构，只有最合适的架构。

---

Agent 开发框架怎么选？从一个视频说起

同一个 LLM + 不同框架 = 完全不同的结果

最近在关注 Agent 开发框架。

起因是一个很具体的发现：同一个 LLM，接入不同的 Agent 框架之后，表现差别很大。

同样的模型，在 A 框架里稳定输出，在 B 框架里却跑偏。

这就不只是模型能力的问题了——框架本身在决定上限。

那 Agent 框架之间到底差在哪？

带着这个疑问刷到了一个抖音视频，讲 Agent 系统从零搭建的架构选型，讲得挺清楚。

博主开篇就抛了一个观察：

80% 的人被问到用什么架构，答案不是 ReAct 就是 Multi-Agent。

他把主流的七种 Agent 架构从头到尾捋了一遍，从轻量验证到企业级生产环境，画了一张档位地图。我把核心内容整理了一下。

选架构看两件事

场景有多复杂，需要多强的控制力。不看哪个更先进。

整条演进线：单 Agent → 多 Agent 协作 → 基于图的 Workflow。不同场景对应不同档位，不是逐级升级。

七档架构

档位	架构	怎么干活	好在哪	致命弱点	场景
L1	单Agent	模型包揽一切	简单、便宜	认知过窄	验证
L2	ReAct	思考→行动→观察	可解释	Token大	多步探索
L3	Plan&Execute	先规划后执行	稳定性高	计划错全崩	工程化
L4	Multi-Agent	多Agent分工协作	可扩展	成本高	复杂行业
L5	Route+Skill	意图路由→Skill	可度量	设计成本	AI Coding
L6	Blackboard	共享状态驱动	适合复杂协作	难追踪	工作流引擎
L7	Graph Workflow	有向无环图编排	可Debug可回溯	最重	生产环境

从 L5 开始，算是企业级可控的分水岭。

L5 以下偏探索和验证，L5、L7 侧重可度量和可回溯，L6 Blackboard 虽然也到了协作级，但状态管理重、追踪困难，更像一个中间态。

Route+Skill：不让模型想，让模型选

博主自己的判断是，Route+Skill 是目前 AI Coding 和智能系统方向的最优实践。

核心理念：不让模型想，让模型选。

流程是输入 → 意图路由器做意图识别 → 直接路由到对应的 Skill 执行。每一步确定性操作，不依赖模型的临场发挥。

稳定性来自边界内的可控。

命中率、缓存命中率、响应时间，这些是可以在监控面板上看的数字。

模型推理的"效果好"，是主观判断。企业级系统需要的是可度量。

代价是 Skill 设计成本不低，得定义清楚每个 Skill 的能力边界，处理好路由冲突。但这个成本一次性的，Skill 写好了就是稳态资产。

Cursor 的 Command 系统、Claude Code 的 Skill 机制，底层走的都是这条路。把开放推理压缩到最小，把确定性路由放大到最大。

选型决策矩阵

几个有意思的点

一、技术选型的可见性偏差。

80% 的人选 ReAct 或 Multi-Agent，大概率是因为只听过这两种。大部分时候做技术选型，面对的问题就是知道什么才能选什么。全景式的地图之所以有价值，也因为这一点：先知道有哪些选项，再来谈选哪个。

二、Plan & Execute 的致命弱点。

计划错了全盘崩溃。纯 Plan & Execute 不适合开放域任务，计划阶段本身依赖对任务的正确理解，而正确理解往往在执行中逐步建立。不止 Agent 架构，任何"做完规划再动手"的工作流都有这个问题，前置理解有偏差，后面全白干。

三、Graph Workflow 的本质。

它的代表工具里，LangGraph 是专门为 Agent 设计的图编排框架，Temporal、n8n、Prefect 是更通用的工作流引擎，不在 Agent 领域但思路相通。这些工具说明了一件事：Agent 系统复杂度超过一定阈值后，需要重新引入传统软件工程的可观测性，可回溯、可重置、可 Debug。Agent 不是替代工程，是工程化之后的一个新执行单元。

最后唠两句

为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选

很简单，这些岗位缺人且高薪

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

那0基础普通人如何学习大模型 ？

深耕科技一线十二载，亲历技术浪潮变迁。我见证那些率先拥抱AI的同行，如何建立起效率与薪资的代际优势。如今，我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理，分享于此，为你扫清学习困惑，共赴AI时代新程。

我整理出这套 AI 大模型突围资料包【允许白嫖】：

• ✅从入门到精通的全套视频教程
• ✅AI大模型学习路线图（0基础到项目实战仅需90天）
• ✅大模型书籍与技术文档PDF
• ✅各大厂大模型面试题目详解
• ✅640套AI大模型报告合集
• ✅大模型入门实战训练

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（0基础到项目实战仅需90天）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤640套AI大模型报告合集

⑥大模型入门实战训练

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓