PraisonAI：把一支 Agent 小队塞进 5 行代码里

我先看到的不是那句“马斯克转发点赞过”。

是 README 里那段很短的启动方式。

装包，设 key，写一个 Agent，给它一句指令，然后 agent.start()。一个“高级数据分析师”就这么被拉起来，开始分析技术趋势。项目页把它叫作 5 行代码部署，从一个 Agent 到一整套 24 小时运行的 AI workforce。这个说法有点满，但代码确实短。

PraisonAI 做的不是再造一个聊天框。

它更像是把最近这波 Agent 开发里最麻烦的几件事，先打包到一个框架里：单 Agent、多 Agent、任务流、记忆、RAG、自我反思、工具调用、状态保存。你不用一上来就自己拼调度器，也不用先纠结某个模型供应商。官方文档里写着支持 100+ LLM provider，OpenAI、Anthropic、Gemini、Ollama、Groq 这些都在里面。

我比较在意的是它的“团队感”。

不是给一个 Agent 塞一大段 prompt，让它假装会研究、会写作、会复核。PraisonAI 的示例里，研究员和写作者是两个角色，可以组成 AgentTeam，也可以放进 AgentFlow，按步骤跑完。文档里还提到顺序、并行、分层编排，以及任务交接、自我修正这一类工作流能力。

这个差别在实际使用里会很明显。

比如你要做一份竞品调研。以前是打开聊天框，问一轮，复制结果，再让它改格式，最后自己补漏。换成这种多 Agent 框架，流程可以拆成：搜索资料、整理表格、写摘要、检查缺口。每一步由不同 Agent 处理，前一个结果继续往后传。

当然，它不是魔法。

真正跑起来，还是会遇到模型幻觉、工具权限、上下文污染、成本控制这些老问题。PraisonAI 提供了 memory、knowledge、RAG、session auto-save、telemetry、Langfuse tracing 这些模块，说明它也知道 Agent 一旦从 demo 走向长期任务，问题很快就会从“能不能跑”变成“出错后怎么查”。

它还有一个对非纯代码用户比较友好的入口。

用 agents.yaml 可以直接配置多个 Agent。官方示例里，一个 researcher，一个 writer，写清楚 role、goal、instructions，然后运行 praisonai agents.yaml。不写 Python，也能先把角色和流程搭出来。

再往外一层，是可视化和聊天平台。

PraisonAI Claw 可以接 Telegram、Discord、Slack、WhatsApp，面板里有 Chat、Agents、Memory、Knowledge、Channels、Guardrails、Cron 等页面；Flow Visual Builder 则通过 Langflow 拖拽组件来搭多 Agent 工作流。

我能理解它为什么会被转发。

现在很多 Agent 项目卡在一个尴尬位置：概念很热，落地很碎。PraisonAI 把“写代码”“配 YAML”“拖拽编排”“接入 Slack/Discord”几条路都留了出来。开发者可以从 SDK 起步，运营或团队内部工具也可以先从 UI 和配置文件摸进去。

项目目前在 GitHub 上是 MIT License，页面显示已有 7.8k stars、1.2k forks，最近版本更新到 2026 年 5 月 13 日。