AI应用开发技术栈指南 (2025)
本文将探讨用于构建AI应用程序的前22个工具和开源框架，以及一个额外的列表。
2025年将是AI应用程序之年，改变我们构建和使用技术的方式。
从更智能的工具到强大的框架，科技世界正在快速变化，而AI正在以巨大的方式颠覆这一切。
今天，我们将探讨用于构建AI应用程序的前22个工具和开源框架，以及一个额外的列表。
让我们开始吧。
什么是AI代理框架？
在这个列表中有很多AI代理框架，所以让我们花点时间来理解这意味着什么。
AI代理就像非常聪明的助手。你只需要告诉它们你需要什么，它们就会想办法完成任务！！
LLM充当系统的“大脑”。当AI需要与外部世界通信、获取数据或执行特定任务时，它可以利用工具，这些是外部资源或API。
它们可以计划、做出决策，甚至随着时间的推移变得更好。这更像是有一个助手可以在不需要你每一步都指导的情况下独立工作！
AI代理主要可以分为两种类型：
⚡ 反应式：对环境中的即时输入作出反应。
⚡ 主动式代理：提前规划以实现长期目标。
如果你想了解更多，请参阅Lyzr的《什么是代理框架》。它涵盖了架构、AI代理的需求、关键组件以及选择合适框架时应考虑的因素。
1、CopilotKit - 构建AI代理简单10倍
你会同意在React中添加AI功能很困难，这就是Copilot作为构建自定义AI Copilot的框架所帮助的地方。
你可以使用Copilotkit提供的简单组件构建应用内AI聊天机器人和AI代理，这比从头开始构建要容易至少10倍。
✅ 基于实时用户特定上下文。
✅ 轻松集成LangChain和LangGraph代理到你的Copilot中。
它们提供内置（可完全定制）的Copilot原生UX组件，如 <CopilotKit />, <CopilotPopup />, <CopilotSidebar /> 等等。
使用以下npm命令开始：
npm i @copilotkit/react-core @copilotkit/react-ui
CopilotPopup 是一个方便的包装器，用于 CopilotChat，它位于视图层次结构中与主内容相同的级别。它提供了一个浮动聊天界面，可以打开和关闭。以下是使用方法：
import { CopilotPopup } from "@copilotkit/react-ui";
export function YourApp() {
return (
<>
<YourMainContent />
<CopilotPopup
instructions={"You are assisting the user as best as you can. Answer in the best way possible given the data you have."}
labels={{
title: "Popup Assistant",
initial: "Need any help?",
}}
/>
</>
);
}
你可以轻松地将Vercel AI SDK、OpenAI API、Langchain和其他LLM提供商集成在一起。
他们最近还发布了 CoAgents，这是嵌入应用程序中的代理框架。
2、LangChain - 构建基于上下文推理的AI应用
LangChain非常适合创建提示序列并管理与AI模型的交互。它拥有一个庞大的生态系统，包含许多预构建的集成，这使得运行事情变得更加容易。
开发人员可以设计具有复杂推理和任务执行能力的强大AI代理，同时与外部数据源和API进行交互。
它是最受欢迎的LLM框架之一，拥有庞大的社区。底层：
你可以阅读 文档 并了解有关 LangChain 的更多信息。
YouTube上有一段IBM的非常有趣的视频，强烈推荐！
LangChain在GitHub上有98k颗星，并被超过160k名开发者使用。
3、Aider - 在终端中进行AI配对编程
Aider就像在你的终端中有一个智能的配对程序员。
它让你与LLM配对编程，编辑本地git仓库中的代码。启动新项目或处理现有代码库。Aider最适合与Claude 3.5 Sonnet、DeepSeek V3、o1和GPT-4o一起使用，并且可以连接到几乎任何LLM。
✅ 你可以向聊天中添加图片。
✅ 你可以向聊天中添加URL。
✅ 你可以用语音编码。
✅ 它可以一次编辑多个文件以处理复杂的请求。
它使用了整个git仓库的地图，这有助于它在更大的代码库中工作良好。
如果你不知道，Aider在SWE Bench上的得分很高。SWE Bench是一个挑战性的软件工程基准测试，其中Aider解决了来自流行的开源项目的实际GitHub问题，如django、scikitlearn、matplotlib等。
4. Bolt - 通过提示构建
Bolt.new 是一个非常疯狂的AI网页开发代理。你只需描述你想要的内容，就能在浏览器中得到一个全栈应用。你甚至不需要设置本地环境！
它实际上是基于Bolt开源仓库构建的，并由StackBlitz WebContainer API提供支持。大多数人甚至不知道他们提供的仓库只包含了Bolt的UI界面和服务器组件。如果你感兴趣，可以阅读更多内容。
它使用了Anthropic的Claude AI（被认为非常好），并且还有一些很酷的功能，如实时预览、自动化调试以及一键部署到Netlify等地方。
你甚至不需要离开浏览器就能从想法变成实际应用。
如果你正在寻找构建一些东西，但不确定是否能构建出一个像样的应用？那就看看这个视频吧。
5、AgentOps - 用于AI代理的DevTool平台
AgentOps 帮助开发者构建、评估和监控AI代理，从原型到生产。他们提供了一个用于AI代理监控、LLM成本跟踪、基准测试等功能的Python SDK。
你可以做的一些事情：
✅ 使用保存的完成结果最多可节省25倍的成本来微调专业化的LLM。
✅ 可以回放并重播代理运行，具有精确的时间点精度。
✅ 保留日志、错误和提示注入攻击的数据。
✅ 视觉化跟踪诸如LLM调用、工具和多代理交互等事件。
你可以通过以下命令开始使用：pip install agentops。
你可以与大多数LLM和代理框架集成，包括CrewAI、Langchain、Autogen和CamelAI。
你可以阅读文档。
6、LangGraph - 使用图形构建多角色代理
LangGraph 是一个基于LangChain构建的高级库，旨在通过引入循环计算能力来改进你的大型语言模型（LLM）应用程序。
虽然LangChain允许创建有向无环图（DAG）来实现线性工作流，但LangGraph更进一步，通过添加循环来实现这一点，这对于开发复杂、类似代理的行为至关重要。
这些行为允许LLM根据不断变化的条件动态决定下一步要采取的动作。
大多数人经常认为LangChain与LangGraph非常相似，但实际上并非如此。你可以观看这个视频来理解它们之间的差异。
你可以阅读文档。
7、E2B - 用于AI应用的安全开源云运行时。
E2B 是一个开源基础设施，允许你在云端安全隔离的沙箱中运行AI生成的代码。你可以将其视为AI模型的小型计算机。你可以同时运行多个沙箱。
他们提供了JavaScript SDK和Python SDK来启动和控制这些沙箱。
E2B 的一些常见用途包括AI数据分析或可视化、运行各种语言的AI生成代码、代理编程的游乐场、代码生成评估环境，或者运行完整的AI生成的应用程序，如Fragments。
你可以按如下方式安装JavaScript SDK：
npm i @e2b/code-interpreter
然后设置你的E2B API密钥，并在沙箱中执行代码，如下所示：
import { Sandbox } from '@e2b/code-interpreter'
const sandbox = await Sandbox.create()
await sandbox.runCode('x = 1')
const execution = await sandbox.runCode('x+=1; x')
console.log(execution.text) // 输出2
它帮助你在云端安全地运行AI相关的代码，使其足够好，用于在2025年构建和测试AI应用。
8、CrewAI - 角色扮演、自主AI代理
CrewAI 是一个用于协调角色扮演AI代理的框架。它允许开发者创建一个“AI代理团队”，每个代理都有特定的角色和职责，共同完成复杂的任务。
它模仿人类组织结构，建立在多代理系统的基础上。以下是其工作原理：
- 团队组织整体操作
- AI代理负责各自的专门任务
- 过程确保顺畅协作
- 任务完成以实现目标
9、Better Auth - TypeScript身份验证框架
TypeScript生态系统中的身份验证是一个半解决的问题。其他开源库通常需要大量的额外代码才能实现超出基本身份验证的功能。与其只是推广第三方服务，我们需要更好的解决方案。
如果你正在构建下一代AI应用，你需要一个简单而可靠的身份验证系统。你可能听说过Clerk、Next Auth，但还有一个是我最喜欢的（尽管很多人并不知道）。
Better Auth 是一个框架无关的身份验证（和授权）库。它提供了开箱即用的一整套功能，并包含一个简化插件生态系统。使用以下命令开始使用它。
npm install better-auth
这是如何使用的示例。
// auth.ts
export const auth = betterAuth({
database: new Pool({
connectionString: DATABASE_URL,
}),
emailAndPassword: {
enabled: true,
},
plugins: [
organization(),
twoFactor(),
]
})
// client.ts
const client = createAuthClient({
plugins: [passkeyClient()]
});
社交登录选项包括 Apple、Discord、Facebook、GitHub、Google、Microsoft、Twitch、Twitter (X)、Dropbox、LinkedIn、GitLab、Reddit 和 Spotify。
我非常喜欢插件的部分。例如，如果我们想启用匿名身份验证，我们可以这样做。
import { betterAuth } from "better-auth"
import { anonymous } from "better-auth/plugins"
export const auth = betterAuth({
// ... 其他配置选项
plugins: [
anonymous()
]
})
还有许多其他插件，如 Google One-Tap、PassKey（使用公钥对）或甚至 Multi Session，这些插件允许用户在不同账户之间保持多个活跃会话。
您可以阅读 文档，并查看实时演示 demo.better-auth.com。
10、Tavily - 将你的 LLM 连接到网络
Tavily 帮助你的 AI 应用程序从网络获取实时、准确的信息，适用于像 LLMs 这样的 AI 模型，并且可以有效地使用检索到的数据（RAG）。
Tavily 提供了一个非常出色的 搜索 API，并通过提供快速、可靠的网络数据访问来消除手动 SERP 抓取的需要，内容片段经过改进以适应 AI 处理。
应用场景是什么？
假设您正在构建一个 AI 聊天机器人，Tavily 将帮助该机器人直接从网络获取最新、上下文相关的资讯。这提高了聊天机器人的能力，使其能够更准确地回答复杂问题，并对用户更加可靠。
您可以使用以下命令开始：
pip install tavily-python
这是如何在一秒钟内生成精确和基于事实的上下文以用于 RAG 应用程序的方法。
from tavily import TavilyClient
# 步骤 1. 实例化您的 TavilyClient
tavily_client = TavilyClient(api_key="tvly-YOUR_API_KEY")
# 步骤 2. 执行上下文搜索查询
context = tavily_client.get_search_context(query="What happened during the Burning Man floods?")
# 步骤 3. 完成！现在您可以将此上下文字符串直接输入到您的 RAG 应用程序中
print(context)
你可以阅读 文档。
11、AutoGen - 用于自主 AI 的编程框架。
AutoGen 是一个创建多智能体 AI 应用的框架。它可以同时执行多项任务，甚至处理实时数据流。
由微软研究院开发（从名字就可以猜到），该生态系统提供了创建 AI 代理所需的一切，特别是多智能体工作流程、框架、开发者工具和应用程序。
例如，这是如何使用 OpenAI 的 GPT-4o 模型创建一个助手代理。
import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_ext.models.openai import OpenAIChatCompletionClient
async def main() -> None:
agent = AssistantAgent("assistant", OpenAIChatCompletionClient(model="gpt-4o"))
print(agent.run(task="Say 'Hello World!'"))
asyncio.run(main())
它还支持两个重要的开发者工具：
AutoGen Studio：提供了一个无代码 GUI 来构建多智能体应用程序。AutoGen Bench：提供了一个基准测试套件来评估代理性能
你可以阅读 文档。
12、Rasa - 自动化文本和语音对话
Rasa 是一个对话式 AI 平台，使团队能够构建聊天机器人、语音助手和其他自动化对话系统。
它提供了开发、训练和部署上下文和智能虚拟助手所需的工具和基础设施，这些助手能够理解自然语言。
使用 Rasa，您可以构建基于 Facebook Messenger、Slack、Google Hangouts、Webex Teams、Microsoft Bot Framework、Rocket.Chat、Mattermost、Telegram、Twilio 的上下文助手。以及您自己的自定义对话渠道/语音助手，如 Alexa Skills、Google Home Actions。
他们实际上提供了两种主要解决方案：
Rasa Pro：用于构建可扩展、动态的对话式 AI 助手的 Python 框架，集成 LLMs。Rasa Studio：无代码图形用户界面，帮助业务用户大规模协作构建、审查和改进对话用户旅程。
你可以阅读 文档，其中包含产品及其使用方法。
13、Supabase - 具备AI 特性的完美数据库
Supabase 已经发展成为一个具有一些酷炫 AI 特性的完整后端解决方案。
它包括用于处理 AI 推荐 或 语义搜索 的向量相似度搜索，内置支持 存储和管理嵌入，甚至有一个 自然语言到 SQL 的功能（是的，很酷）。
它还具有 实时订阅，非常适合构建实时 AI 驱动的应用，如聊天系统或协作工具。此外，他们的边缘函数可以让您在靠近用户的地点运行 AI 计算，减少实时推理等任务的延迟。
开始使用以下npm命令（Next.js）。
npx create-next-app -e with-supabase
你可以阅读文档。
14、AutoGPT - 比ChatGPT更令人兴奋。
AutoGPT的核心是一个由大型语言模型（LLM）驱动的半自主代理项目，旨在为您执行任何任务。
这是一个平台，允许你创建、部署和管理持续的AI代理，以自动化复杂的流程。
你可以阅读文档和如何使用AutoGPT构建代理的快速入门指南如何构建代理。
15、TanStack - 服务器状态管理库
TanStack为JavaScript和TypeScript应用中的服务器状态管理提供了强大的库，使处理数据获取、缓存、同步等变得更加容易。
TanStack Query就是这些库之一，它可以自动刷新数据，具有智能缓存，可以处理实时更新而不会头痛，支持乐观更新，并且有出色的开发者工具（您离不开它们）。
其他一些库也很好用。
AI应用程序通常需要获取和管理大量数据集，无论是用于训练模型、处理输入还是与API交互。使用TanStack Query可以帮助您优化数据流并减少异步数据管理的复杂性（即使有一点点）。
您还应该检查一下TanStack Start，这是一个新的全栈React框架。老实说，我从未听说过它。
16、Lyzr - 构建可靠、安全和负责任的AI代理
Lyzr是列表中唯一一个非开源的框架。它专注于安全和负责任的AI。
它确保AI代理在伦理上工作，具有处理隐私、公平性和透明性的功能。
尽管它不是开源的，但它通过出色的支持和为专业使用而精心设计的工具弥补了这一点。
他们还提供了一个Agent Studio，您可以在几分钟内构建一个代理。您还会发现社区代理和其他重要资源。
✅ 使用简单、低代码界面创建、管理和部署代理。
✅ 将工作流与现有工具集成。
17、Phidata - 多模态代理框架
Phidata是一个用于构建多模态代理和工作流的框架。
您可以构建可以协同工作的代理团队来解决问题。此外，您可以使用漂亮的代理UI与您的代理聊天。
可以使用以下命令安装：
pip install -U phidata
它专注于最小化代码，因此例如，您可以仅用10行代码创建一个网络搜索代理。
from phi.agent import Agent
from phi.model.openai import OpenAIChat
from phi.tools.duckduckgo import DuckDuckGo
web_agent = Agent(
name="Web Agent",
model=OpenAIChat(id="gpt-4o"),
tools=[DuckDuckGo()],
instructions=["Always include sources"],
show_tool_calls=True,
markdown=True,
)
web_agent.print_response("Tell me about OpenAI Sora?", stream=True)
可以阅读更多关于文档的内容，并在其可访问的游乐场上测试东西phidata.app/playground。
他们提供了模板和示例应用，可以帮助您更快地起步。
18、BotPress - AI代理构建和部署平台
Botpress是另一个用于构建AI代理的平台。其可视化的流程设计、广泛的AI集成和多渠道支持使其适用于自动化客户互动和工作流。
换句话说，它非常适合构建无需太多编码技能的定制聊天机器人。它易于使用，适合企业使用，并有助于创建聊天机器人，可以处理大型任务并轻松与其他工具集成。
有许多功能，例如：
✅ 您将获得一个拖放界面，用于无代码机器人创建。
✅ 它会自动与您的数据库和系统同步。
✅ 您可以在网站、WhatsApp、Slack、Instagram、Telegram、Messenger等平台上部署机器人。
您可以阅读文档，并查看他们的学院课程以了解如何构建AI代理。他们还提供预制模板！
19、Storybook - 简化UI开发、测试和文档
Storybook是一个前端工作坊，用于独立构建UI组件和页面。它有助于UI开发、测试和文档。
对于AI应用程序，它可以用于创建使用某种形式AI的交互式UI，如仪表板、数据可视化或与AI模型或API交互的内容。您可以独立构建和展示组件，而无需加载整个应用上下文。
您可以使用以下命令开始使用它。
npx storybook@next init
这是您可以为项目创建一个简单组件的方法。
import type { Meta, StoryObj } from '@storybook/react';
import { YourComponent } from './YourComponent';
//👇 这个默认导出决定了你的故事在故事列表中的位置
const meta: Meta<typeof YourComponent> = {
component: YourComponent,
};
export default meta;
type Story = StoryObj<typeof YourComponent>;
export const FirstStory: Story = {
args: {
//👇 您需要的参数取决于您的组件
},
};
您可以阅读文档。
如今，由于UI与业务逻辑、交互状态和应用上下文纠缠在一起，调试它们变得非常痛苦。
Storybook提供了一个隔离的iframe来渲染组件，而不受应用业务逻辑和上下文的影响。这有助于您专注于每个组件的变化，甚至是难以触及的边缘情况。
20、Visual Copilot - 将Figma设计转换为代码
许多国际团队使用Figma进行UX设计，你知道，制作一个“像素完美的”用户界面有多难。
如果有一个现成的解决方案，为什么不试试呢？
Visual Copilot是一款强大的Figma插件，可以将您的Figma设计转换为干净且可直接使用的代码。无需任何设置，它可以为几乎任何框架生成代码，如React、Next.js、Vue、Svelte、Angular、Swift、Flutter、Kotlin、React Native、HTML等。
您甚至可以选择首选的样式库，如Tailwind CSS、CSS Modules、Emotion、Styled Components或Styled JSX。
最好的部分是，即使您的设计不使用自动布局，生成的代码也是自动响应式的。哇！
我个人没有试过，因为我使用Adobe XD（更喜欢离线）并且只是在编码前不设计东西。但这仍然值得一试！
21、BaseAI - 无服务器AI代理开发框架
BaseAI是第一个使用Node.js和TypeScript构建无服务器AI代理的Web AI框架。
🎯 什么是带有记忆的无服务器代理？
简单来说，这是一种AI代理，运行时无需管理基础设施。它解决了LLM普遍存在的问题，即它们没有您的定制数据。这就是记忆的作用所在。
您可以构建具有记忆和工具的无服务器和可组合的AI代理。它允许您在本地机器上开发AI代理管道，并结合集成的代理工具和记忆（RAG）。
✅ 本地开发者体验。
✅ 零膨胀，无样板代码。
✅ 使用npx baseai deploy命令部署到无服务器AI云。
要创建一个新的BaseAI项目，您可以使用以下命令。
npx baseai@latest init
然后您需要添加API密钥，创建代理，集成管道并最终运行它。只需遵循文档中的指南。
您可以阅读文档，还会发现有关项目结构、CLI和快速入门指南的信息。
您可以检查这个官方演示并从文档的学习部分了解BaseAI，他们提供了创建摘要管道、创建天气工具等示例。
22、Cursor - 完美的AI代码编辑器。
如果没有提到Cursor，这份清单就不完整。
我多年来一直使用VSCode，因为对AI编写的代码需要更长时间调试的看法，我一直避免使用AI编辑器。我原以为这只会抵消生产力，但我逐渐意识到我是多么错误。
在我使用它的经验中，Cursor实际上理解您的项目，而其他编辑器只是说说而已。
它理解您的编码风格，知道您的项目结构，甚至能捕捉到团队的最佳实践。它就是这么好。
它是VS Code的一个分支，因此您可以导入设置、主题、快捷键和扩展以保持相同的体验。
每秒钟都有开发者使用Cursor
还有很多其他功能，如Tab、Composer、Chat、Terminal、⌘ K等！
如果您想了解更多功能、模型和术语，如上下文或AI审查，您可以探索官方文档。
当我刚开始时，我只是阅读了Builder.io团队的文章《开发者终极介绍：Cursor》。这是一份完整的指南，强烈推荐！
其他替代品包括Continue、Zed、Void、PearAI、WindSurf。
还有更多出色的AI代理框架可以查看：
- LlamaIndex (GPT Index) - 通过LLMs结构化和查询外部数据。非常适合创建更好地理解数据的智能AI代理。
- Graph Reader - 读取和分析图形数据，帮助AI代理更好地处理关系和模式。
- OpenAI Swarm - 专注于多个AI代理之间的协作，共同处理复杂任务。
- Vertex AI - Google平台，用于构建、部署和训练机器学习模型，包括集成AI代理到应用程序中的工具。
- Promptflow - 用于跟踪、比较和优化提示，以构建可靠的AI交互。
- Flowise - LangChain的开源无代码界面，使代理构建更容易，无需编程。
- Ema - 一个框架，用于更好地管理和部署AI代理。适用于简单快速的用例。
- AgentForce - 帮助在现实情况下部署和协调强大的AI代理。
- Glean - 专注于企业AI，Glean帮助组织构建能够高效查找和整理团队内部数据的AI代理。
- Cohere - 语言AI平台，用于构建具有强大自然语言理解能力的代理。非常适合创建会话代理或基于文本的工作流程。
- Microsoft Semantic Kernel - 结合了AI与规划和记忆，适合构建具有长期上下文的代理。
- LangFlow - LangChain的GUI，简化构建AI工作流。非常适合那些喜欢拖放而不是编码的人。
我尽量列出了一些独特且有用的内容。
呼！我知道这有很多内容，但这些项目可以帮助你在2025年构建梦想中的AI应用。
希望你在这里找到了一些有用的东西。
原文链接：The Tech Stack for Building AI Apps in 2025
汇智网翻译整理，转载请标明出处
