Agent 选型应回归软件工程

是什么

视频以 LangGraph、CrewAI、AutoGen 为例，提出 AI Agent 生产化应避免“默认上复杂框架”，把模型视作软件系统中的一个组件。

关键内容

作者认为：简单工具调用、结构化抽取和明确业务流可由原生 SDK、条件分支、类型与 schema 完成；长任务则需要数据库、队列或 Temporal 一类工作流能力。视频还将 Pydantic AI、LlamaIndex、托管式 Agent 作为不同分层或场景的候选。

可借鉴之处

选型时可先明确状态持久化、人审节点、失败重试、审计、可观测性、成本和延迟，再判断是否需要图编排或多 Agent 协作；将 trace、eval、日志和输出校验纳入交付标准。

边界与风险

“框架过时”“行业鄙视”“多数公司不用”等均为作者观点，未提供数据或案例支撑，不能据此判定产品现状。LangGraph 的长运行、有状态、人机协作适配性也在视频文案中被承认；具体 API、托管能力与产品状态需另行核验。