120 lines
8.1 KiB
Markdown
120 lines
8.1 KiB
Markdown
# 横评构建企业级 LLM 应用，主流的、开源框架
|
||
|
||
## 基础能力
|
||
|
||
| 对比项 | SAA| Spring AI | LangChain4J | LangChain |
|
||
|:-----|:-----|:-----|:-----|:-----|
|
||
| 语言 | Java | Java | Java | Python |
|
||
| 聊天模型 | ✅ | ✅ | ✅ | ✅ |
|
||
| 嵌入模型 | ✅ | ✅ | ✅ | ✅ |
|
||
| 图片、音视频模型 | ✅ | ✅ | ✅ | **百度千帆、百川智能支持多模态**<br/>**阿里百炼不支持多模态** |
|
||
| RAG | ✅ | ✅ | ✅ | ✅ |
|
||
| 向量数据库 | **除主流向量数据库外，还支持阿里云：<br/>AnalyticDB (ADB)、OpenSearch** | ✅ | ✅ | ✅ |
|
||
| MCP | **支持 Nacos MCP Registry** | ✅ | ✅ | ✅ |
|
||
| 函数调用 | ✅ | ✅ | ✅ | ✅ |
|
||
| 提示词模板 | **支持通过 Nacos 热更新，无需重启应用** | ✅ | ✅ | ✅ |
|
||
| 聊天记忆 | ✅ | ✅ | ✅ | ✅ |
|
||
| 模型评估 | ✅ | ✅ | ✅ | ✅ |
|
||
|
||
> 💡SAA 是 Spring AI Alibaba 的官方简称。**SAA 在对 MCP 工具、提示词模板的管理具有明显优势，尤其适合企业级 LLM 应用的构建。**
|
||
|
||
## 可观测性（OpenTelemetry）
|
||
|
||
**OpenTelemetry** 通常缩写为**OTel**，是一个开源的、厂商中立的可观测性框架，旨在实现遥测数据的标准化生成、收集和管理。遥测数据包括日志、指标和追踪，这些数据对于监控和理解软件系统的行为至关重要。
|
||
|
||
| Spring AI | SAA | LangChain4J | LangChain |
|
||
|:-----|:-----|:-----|:-----|
|
||
| ✅ | ✅ | ❌ | ✅ |
|
||
|
||
**Spring AI**框架定义了一系列endpoint，为其核心组件提供了指标和追踪能力，例如 ChatClient（包括 Advisor）、ChatModel、EmbeddingModel、ImageModel 和 VectorStore 等。**SAA**除了拥有**Spring AI**的能力，还提供了配套工具，无需额外编写代码，即可扇出至阿里云ARMS。**LangChain4J**提供了一系列**Listener**，通过 OTel 扇出数据，需要自行实现。**LangChain**自带**LangSmith**，并且支持了OTel，仅需少量代码即可扇出数据。
|
||
|
||
#### Spring AI 对于 ChatModel 仅适配了部分模型提供商，未提到的厂商，官方宣称将在未来支持。
|
||
|
||
| 阿里百炼 | 百度千帆 | 月之暗面 | 智谱 | Anthropic | OpenAI | Ollama | Xinference | GPUStack |
|
||
|:-----|:-----|:-----|:-----|:-----|:-----|:-----|:-----|:-----|
|
||
| ❌ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ❌ | ❌ |
|
||
|
||
## 云计算平台模型提供商对开源框架的适配
|
||
|
||
| 对比项 | Open AI | Anthropic | 阿里百炼 | 百度千帆 |
|
||
|:-----|:-----|:-----|:-----|:-----|
|
||
| SAA | ✅ | ✅ | 深度适配 | ✅ |
|
||
| Spring AI | ✅ | ✅ | ✅ | ✅ |
|
||
| LangChain4J | ✅ | ✅ | ✅ | ✅ |
|
||
| LangChain | ✅ | ✅ | 部分适配 | ✅ |
|
||
|
||
> 💡阿里百炼对于**LangChain**仅通过 langchain-openai 适配了部分模型：聊天模型、嵌入模型、重排序模型，**不支持多模态模型**。
|
||
|
||
## 适合用于智能体开发的框架对比
|
||
|
||
#### 一、LangGraph
|
||
|
||
- 开源协议：MIT
|
||
- 语言：Python
|
||
- 核心：使用图结构编排智能体，相比LangChain的链式调用，能够应对更多场景、更复杂的任务。
|
||
- 亮点：内置 Checkpoint 和中断、持久化机制，在执行期间发生中断，恢复时可以从 Checkpoint 继续执行。适合通过**人工干预**保障执行过程的正确性，以及**长时间运行的任务**发生异常中断从 Checkpoint 恢复执行，而不必重新开始，这是
|
||
LangGraph 的独到之处
|
||
- 补充：官方的 LangGraph Platform 还提供了配套的 LangGraph Studio 用于开发智能体的 IDE，它支持可视化、交互和调试，还与 LangSmith 集成，以实现追踪、评估和提示工程。
|
||
- 模型：参见上文对于 LangChain 支持的模型提供商说明
|
||
|
||
> 💡LangGraph Platform 是**收费**的，适合企业部署的自托管版本仅支持 AWS。
|
||
|
||
#### 二、Spring AI Alibaba Graph
|
||
|
||
- 开源协议：Apache 2.0
|
||
- 语言：Java
|
||
- 亮点：LangGraph 的核心能力基本上都抄了
|
||
- 模型：参见上文对于 SAA 支持的模型提供商说明
|
||
|
||
官方原话：Spring AI Alibaba Graph 是社区核心实现之一，也是整个框架在设计理念上区别于 Spring AI 只做底层原子抽象的地方，Spring AI Alibaba 期望帮助开发者更容易的构建智能体应用。基于 Graph 开发者可以构建工作流、多智能体应用。**Spring AI Alibaba Graph 在设计理念上借鉴 LangGraph，因此在一定程度上可以理解为是 Java 版的 LangGraph 实现**，社区在此基础上增加了大量预置 Node、简化了 State 定义过程等，让开发者更容易编写对等低代码平台的工作流、多智能体等。
|
||
|
||
#### 三、AutoGen
|
||
|
||
- 开源协议：MIT
|
||
- 语言：Python、.NET
|
||
- 核心：通过智能体运行时环境，使用消息作为多智能体之间的通信载体，基于发布订阅的模式在智能体之间实现1对1和1对多的传播形式。
|
||
- 亮点：命令行代码执行器能够将Python代码块打包成1个文件，丢到 Docker 容器执行，或者在本机开启1个新的进程执行。这种方式更安全，也是 LangGraph
|
||
不具备的特性。除此之外，官方提供了一系列多智能体的设计模式，来辅助开发者设计与开发多智能体。
|
||
- 补充：AutoGen 还提供了一个免费的、本地化部署的 AutoGen Studio 可视化工具，旨在帮助开发团队快速原型化多智能体。
|
||
- 模型：OpenAI API 兼容的模型提供商、托管在 Azure 上的模型、Ollama、Anthropic，通过 SKChatCompletionAdapter 已适配的其它 LLM 提供商有：Google、MistralAI、AWS、Hugging Face。
|
||
|
||
官方提供了以下多智能体设计模式
|
||
|
||
- Concurrent Agents（并发智能体）
|
||
- Sequential Workflow（顺序工作流）
|
||
- Group Chat（群聊）
|
||
- Handoffs（交接，源自OpenAI Swarm）
|
||
- Mixture of Agents（混合代理）
|
||
- Multi-Agent Debate（多智能体辩论）
|
||
- Reflection（反思）
|
||
- Code Execution（代码执行）
|
||
|
||
#### 四、Crew AI
|
||
|
||
- 开源协议：MIT
|
||
- 语言：Python
|
||
- 核心：
|
||
- 亮点：
|
||
- 模型：CrewAI 通过 LiteLLM 连接到 LLM 提供商，[点击查看 LiteLLM 支持的模型提供商](https://docs.litellm.com.cn/docs/providers)，[点击查看对于 Xinference 的支持说明](https://docs.litellm.com.cn/docs/providers/xinference)
|
||
|
||
## 参考来源
|
||
|
||
- SAA 官网：https://java2ai.com
|
||
- Spring AI 官方文档：https://docs.springframework.org.cn/spring-ai/reference/index.html
|
||
- LangChain4J 官方文档：https://docs.langchain4j.info/get-started
|
||
- LangChain 官方文档：https://python.langchain.ac.cn/docs/introduction
|
||
- 使用 OpenTelemetry 跟踪 LangChain：https://langsmith.langchain.ac.cn/observability/how_to_guides/trace_langchain_with_otel
|
||
- 使用 OpenTelemetry 客户端将记录到 LangSmith：https://langsmith.langchain.ac.cn/observability/how_to_guides/trace_with_opentelemetry
|
||
- Spring AI 可观测性：https://docs.springframework.org.cn/spring-ai/reference/observability/index.html
|
||
- Spring AI 对于聊天模型可观测性的支持说明：https://docs.springframework.org.cn/spring-ai/reference/observability/index.html#_chat_model
|
||
- 阿里百炼对于 LangChain 的适配：https://help.aliyun.com/zh/model-studio/use-bailian-in-langchain
|
||
- 百度千帆对于 LangChain 的适配：https://cloud.baidu.com/doc/qianfan-docs/s/Mm9cr5bs6
|
||
- LangGraph 官方文档：https://github.langchain.ac.cn/langgraph/
|
||
- LangGraph Platform 官方文档：https://github.langchain.ac.cn/langgraphjs/concepts/langgraph_platform/
|
||
- LangGraph Platform 定价说明：https://langchain.ac.cn/pricing-langgraph-platform
|
||
- LangGraph Studio 使用说明：https://github.langchain.ac.cn/langgraphjs/concepts/langgraph_studio/
|
||
- AutoGen 官方文档：https://msdocs.cn/autogen/stable/user-guide/core-user-guide/quickstart.html
|
||
- AutoGen 运行时环境：https://msdocs.cn/autogen/stable/user-guide/core-user-guide/core-concepts/architecture.html
|
||
- AutoGen 主题和订阅（消息传递）：https://msdocs.cn/autogen/stable/user-guide/core-user-guide/core-concepts/topic-and-subscription.html
|
||
- AutoGen 多智能体设计模式：https://msdocs.cn/autogen/stable/user-guide/core-user-guide/design-patterns/intro.html
|
||
- AutoGen Studio 使用教程：https://www.aidoczh.com/autogen/stable/user-guide/autogenstudio-user-guide/index.html |