核心设计权衡
一句话总结不同框架之所以”长得不一样”，是因为它们在几条核心轴上做了不同取舍：轻量 vs 全家桶、命令式 vs 声明式、低抽象 vs 高抽象、模型驱动 vs 框架驱动、通用 vs 垂直、可控 vs 自由。看懂这些轴，就能预测一个框架的脾气，也能为自己的场景选型。
六条轴
1. 轻量库 ↔ 全家桶平台
- 轻量：几百到几千行，聚焦核心循环，易读易改（smolagents ~几千行、nanobot ~4000 行、ConnectOnion 2 行起手、LLM Agents）。
- 全家桶：覆盖记忆/工具/编排/可观测/部署全链路（LangChain、LlamaIndex、Dust、Astron）。
- 取舍：上手与可控 vs 开箱即用与生态。
2. 命令式（代码编排）↔ 声明式（配置/图）
- 命令式：用普通代码写控制流，灵活直观（Swarm、smolagents、CrewAI）。
- 声明式：用图/配置描述流程，引擎来跑，利于可视化与可恢复（LangGraph、Mastra workflows、Haystack pipeline、Botpress flows）。
- 取舍：表达自由 vs 工具化（可视/恢复/校验）。
3. 低抽象（暴露 prompt）↔ 高抽象（隐藏细节）
- 低：把 prompt、消息、循环都摊开给你改（适合研究/精调）。
- 高：藏起 prompt，给你
Agent(role=..., tools=[...])这种声明（适合快速产出，但难精调、易”魔法”）。 - 取舍：可控/可调 vs 简洁/快。
4. 模型驱动 ↔ 框架驱动
- 模型驱动：框架尽量薄，相信模型自己决策（Strands、smolagents CodeAct）。随模型变强而受益。
- 框架驱动：框架用代码兜住模型的不确定性（状态机、强约束、校验）。更稳但有上限。
- 取舍：上限/前瞻 vs 当下稳定性。详见 agent-loop-paradigms。
5. 通用 ↔ 垂直
- 通用：什么 agent 都能搭（多数框架）。
- 垂直：为特定场景优化——RAG（Agentset、Vectara-agentic）、语音/多模态（Pipecat）、记忆（Cortex Memory）、治理（Cordum）、编程（MetaGPT）。
- 取舍：广度 vs 深度/契合度。
6. 可控 ↔ 自由（贯穿全局）
这是上面几条的共同底色，也是 agent 工程的中心矛盾：越自由越强大、越难保证；越可控越可靠、越受限。 生产系统往往在关键路径加约束（人在环/治理、可观测），在探索路径放自由。
一些经验法则
- 从单 agent + 好工具开始，确有收益再上多 agent（见 single-vs-multi-agent）。
- 选型先问场景：通用探索选轻量命令式；生产关键流程选声明式可恢复；垂直需求直接选垂直框架。
- 抽象越高，越要能”掀开盖子”——不能改 prompt 的高抽象框架在真实项目里常被弃用。
- 语言生态也是约束：Python 生态最厚（研究/数据），TypeScript 适合全栈/前端集成（Mastra、VoltAgent），Go/Rust 偏基础设施（Modus、Pilot Protocol）。见 language-ecosystem。
关键要点
- 框架差异 = 在这 6 条轴上的坐标，没有”最好”，只有”最适合某场景”。
- 看懂轴，就能在 对比矩阵里快速定位一个框架的脾气。