🧩 主流 Agent 框架实战
LlamaIndex
主流 Agent 框架实战专题：用 1 个核心问题讲清原理、取舍与落地。
一句话定位
LangGraph、Agents SDK、ADK、AutoGen、CrewAI、LlamaIndex 等框架选型。 先比较控制流、状态、持久化、追踪、部署和生态，再比较 API 写法。
核心原理与问题解析
LlamaIndex 更适合什么场景？
它强于数据连接、解析、索引、检索器和以 Workflow 组织知识型 Agent。若核心难题是私有数据与复杂检索，通常比纯对话编排更顺手。
继续想： 它能做多 Agent 吗？；与 LangChain 的边界是什么？
工程落地检查
- 用同一个小业务闭环做选型 PoC
- 业务状态与框架对象解耦
- 封装模型、工具和存储适配层
- 验证中断恢复、升级和迁移
- 锁版本并保留 Trace 级回归
常见误区
- 按热度或代码行数选框架
- 把框架 Demo 当生产架构
- 核心业务到处依赖框架私有类型