编辑文档 - 这个被马斯克转发的 AI Agent 框架有多强？100+ LLM 支持，还能接入 Telegram/Discord

标题

工具栏

点击或拖拽上传图片

支持 PNG, JPG, GIF, WebP 格式

内容 (Markdown 格式)

# 这个被马斯克转发的 AI Agent 框架有多强？100+ LLM 支持，还能接入 Telegram/Discord

前几天刷 X，突然看到 Elon Musk 转了一个开源项目，说是用它做了个「Grok 3 客服机器人」。

我点进去一看——好家伙，7.7k Star，1.2k Fork，还被收录到 MCP 官方注册表。这数据放在 AI Agent 赛道里，算是妥妥的头部玩家了。

它叫 **PraisonAI**。

今天就把我的调研结果摊开聊聊，不吹不黑，看看它到底能帮你做什么。看完跟着做，保证你也能跑起来。

---

## 一、PraisonAI 是什么？

简单说：**一个让你用最少的代码，部署一整套 AI Agent 工作流的框架**。

它的 slogan 很直接——「Hire a 24/7 AI Workforce」。意思是你可以像雇员工一样，部署一批 AI Agent 帮你干活：研究、写代码、客服、自动化流程……

**目前核心数据**：

| 指标 | 数据 |
|------|------|
| GitHub Star | 7.7k |
| Fork | 1.2k |
| 最新版本 | v4.6.38（昨天刚更新） |
| 支持 LLM | 100+ |
| MCP 协议 | ✅ 支持 |
| Commit 数 | 3,715 |

支持的模型包括：OpenAI、Anthropic Claude、Google Gemini、DeepSeek、xAI Grok、Mistral、Cohere、AWS Bedrock、HuggingFace……基本上你听过的主流大模型都覆盖了。

---

## 二、它能做什么？

### 1. 单一 Agent 任务
写代码、查资料、分析数据——基础的对话任务最难不倒它。

```python
from praisonaiagents import Agent

agent = Agent(instructions="你是一个资深数据分析师")
agent.start("分析 2026 年 AI 领域的 3 大趋势，用 markdown 表格呈现")
```

### 2. 多 Agent 协作
把多个 Agent 串起来，一个负责研究，一个负责写作，一个负责审核。自动分工，无需人工干预。

```python
from praisonaiagents import Agent, Agents

researcher = Agent(instructions="研究 AI 最新进展")
writer = Agent(instructions="基于研究结果写一篇博客")
agents = Agents(agents=[researcher, writer])
agents.start()
```

### 3. 深度研究模式
开启 `deep-research` 模式，Agent 会自动进行多步研究：搜索 → 读取 → 分析 → 汇总，全程不需要你插手。

### 4. 自定义工具
你可以给 Agent 挂载自己的函数工具，Agent 会自动判断什么时候该调用哪个工具。

### 5. 工作流编排
支持顺序执行、并行执行、条件分支、循环——基本覆盖了常见的流程编排需求。

### 6. 接入即时通讯（Claw 可选组件）
> Claw 是**可选组件**，不是必须安装的。只有当你需要把 Agent 部署到 Telegram/Discord/Slack 等聊天平台时，才需要它。

装上 Claw 组件后，可以把 Agent 部署到你的聊天群里，24 小时在线回复：

```bash
pip install "praisonai[claw]"
praisonai claw
```

---

## 三、PraisonAI 和 Hermes 是什么关系？

> [!IMPORTANT]
> **Claw 不是必须的！** 如果你本地已经有 Hermes，两者完全可以共存、互补使用。

PraisonAI 和 Hermes 定位不同：

| | PraisonAI | Hermes |
|--|-----------|--------|
| 定位 | AI Agent 框架（多模型支持） | AI Agent 调度框架 |
| 核心功能 | 多 Agent 协作流水线 | 自定义工具 + 记忆系统 + API 集成 |
| Claw 组件 | 可选（接聊天平台） | 内置 |
| 学习成本 | 低，5 行代码跑起来 | 中，配置项多但灵活 |
| 适用场景 | 快速验证 AI 工作流 | 深度定制、长期记忆的个性化 Agent |

**你的 Hermes 照常用**，PraisonAI 可以作为补充——比如你想快速测试一个多 Agent 协作流程，或者需要接入它支持的 100+ LLM，用 PraisonAI 试试很方便。

---

## 四、Windows 环境下安装

> 提示：本节专门针对 Windows 用户，macOS/Linux 用户可直接参考官方文档。

### 1. 检查 Python 环境

先确认你装了 Python 3.10+，打开 CMD 或 PowerShell 输入：

```bash
python --version
```

没装的去 https://python.org 下载安装，安装时记得勾选 **Add Python to PATH**。

### 2. 创建项目目录

```bash
# 在你想要的目录下创建项目
mkdir praison-test
cd praison-test

# 推荐创建一个虚拟环境（可选但建议）
python -m venv venv
venv\Scripts\activate
```

> [!TIP]
> Windows 上激活虚拟环境要用 `venv\Scripts\activate`，不是 macOS/Linux 的 `source venv/bin/activate`

### 3. 安装 PraisonAI

**基础 SDK（只用核心功能，不需要 Claw）：**

```bash
pip install praisonaiagents
```

> 这个就够了！Claw 是可选的，不影响核心功能。

**如果你需要接入 Telegram/Discord 等聊天平台，再装 Claw：**

```bash
pip install "praisonai[claw]"
```

> [!NOTE]
> Windows 上安装带 `[claw]` 的版本，如果遇到编译问题，可能是缺少 C++ 编译环境。去 https://visualstudio.microsoft.com/ 装个 Build Tools 就行。

### 4. 设置 API Key

在项目根目录新建一个 `.env` 文件：

```bash
type nul > .env
```

用记事本打开 `.env`，写入：

```
OPENAI_API_KEY=sk-your-key-here
TAVILY_API_KEY=tvly-your-key-here
```

> [!IMPORTANT]
> `OPENAI_API_KEY` 是必须的。`TAVILY_API_KEY` 只有用到 Claw 的网页搜索功能才需要，不装 Claw 的话可以不填。

---

## 五、快速上手（Windows 实操）

### 方式一：Python 代码（推荐新手）

在项目目录下创建 `test_agent.py`，内容：

```python
from praisonaiagents import Agent

agent = Agent(instructions="你是一个资深数据分析师")
agent.start("分析 2026 年 AI 领域的 3 大趋势，用 markdown 表格呈现")
```

运行：

```bash
python test_agent.py
```

### 方式二：YAML 配置文件（适合多 Agent 协作）

在项目目录下创建 `agents.yaml`：

```yaml
framework: praisonai
topic: "写一篇关于 AI Agent 的博客"

agents:
  researcher:
    role: 研究分析师
    goal: 调研 AI Agent 最新趋势
    instructions: "搜索并整理 AI Agent 领域的最新进展"
    
  writer:
    role: 内容作者
    goal: 基于研究结果撰写文章
    instructions: "写一篇面向开发者的技术博客"
```

运行（需要先装 CLI）：

```bash
pip install praisonai
praisonai agents.yaml
```

### 方式三：Claw Dashboard（图形界面，需要 Claw）

```bash
pip install "praisonai[claw]"
praisonai claw
```

浏览器打开 http://localhost:8082 就能看到 Dashboard。

> [!NOTE]
> Windows 上如果 8082 端口被占用，CMD 里运行 `netstat -ano | findstr :8082` 查一下是哪个进程在用。

---

## 六、踩坑记录

- **Claw 是可选的**：不接聊天平台的话，装 `praisonaiagents` 就够了，不用管 Claw。
- **Tavily API Key**：只有 Claw 的网页搜索功能才需要，不装 Claw 可以不设置。
- **Claw Dashboard 端口 8082 被占用**：先 `netstat -ano | findstr :8082` 查进程 PID，再用 `taskkill /PID <pid> /F` 杀掉，或者用 `--port` 参数指定其他端口。
- **多 Agent 调试困难**：建议先用单个 Agent 跑通流程，再组合成多 Agent 协作，不要一上来就上全套。
- **Windows 路径问题**：代码里写文件路径时，推荐用斜杠 `/` 或者 `pathlib`，兼容性更好。
- **虚拟环境**：强烈建议用 `venv`，不然全局装的包多了容易冲突。

---

## 七、适合谁用？

| 场景 | 推荐程度 | 原因 |
|------|----------|------|
| 想快速验证多 Agent 工作流 | ⭐⭐⭐⭐⭐ | 5 行代码搞定，比 LangGraph 轻量 |
| 需要 100+ LLM 支持 | ⭐⭐⭐⭐⭐ | 主流模型全覆盖，一键切换 |
| 想接 Telegram/Discord 客服 | ⭐⭐⭐⭐ | Claw 一键接入 |
| 深度定制化 Agent 系统 | ⭐⭐⭐ | 用 Hermes 更灵活 |
| 已有 Hermes 在用 | ⭐⭐⭐⭐ | 两者互补，不冲突 |

---

## 写在最后

PraisonAI 定位很清晰：**让你用最少代码，快速跑起来一个可用的 AI Agent 系统**。它和 Hermes 不是二选一的关系——你可以用 Hermes 做深度定制，用 PraisonAI 做快速验证。

**你在用 AI Agent 框架吗？有什么心得或者踩过的坑？评论区聊聊。**

摘要

标签多个标签用逗号分隔

分类