GitHub 地址：https://github.com/MervinPraison/PraisonAI

简介

PraisonAI​ 是一个开源的、生产就绪的 AI 智能体（Agent）编排框架。它的核心目标是让开发者能用极少的代码，快速构建并部署多智能体协作系统。你可以把它理解为 AI 领域的“自动化团队调度中心”。

它最大的特点是“低代码”和“全渠道交付”。你无需从零编写复杂的通信逻辑，只需通过 YAML 配置或几行 Python 代码，就能组建一个包含“研究员”、“程序员”、“产品经理”的虚拟团队。这个团队可以 24/7 自动运行，完成从资料搜集、代码编写到结果推送（Telegram、Discord、WhatsApp 等）的全流程闭环。

主要功能

1. 极速多智能体协作

• 微秒级启动：官方数据显示 Agent 实例化仅需约 3.77μs，远快于许多传统框架，适合高频任务。

• 智能体交接（Handoffs）：支持多个 Agent 之间自动传递任务。例如，调研 Agent 完成工作后，自动触发写作 Agent 进行总结，无需人工干预。

• 多种协作模式：支持顺序执行、并行处理、条件路由等复杂工作流。

2. 企业级基础设施

• 记忆系统（Memory）：内置持久化记忆，支持 RAG（检索增强生成），让 Agent 能记住用户偏好和历史上下文。

• 安全护栏（Guardrails）：提供内容审核、权限控制等机制，防止 AI 执行危险操作或输出违规内容。

• 100+ LLM 提供商支持：无缝兼容 OpenAI、Anthropic Claude、Google Gemini、本地 Ollama 等主流模型，避免厂商锁定。

3. 可视化与无代码

• AgentClaw UI：提供完整的 Web 仪表盘（localhost:8082），可直观管理智能体、查看记忆、配置消息通道（Telegram/Discord Bot）和监控任务。

• YAML 配置驱动：对于常见场景，直接编写 agents.yaml文件即可定义角色和任务，无需写 Python 代码。

4. 多渠道自动交付

• IM 集成：原生支持将结果自动推送到 Telegram、Discord、Slack、WhatsApp 等主流通讯平台。

• Cron 定时任务：配合 UI 或配置，让 Agent 团队按计划（如每日晨报）自动运行。

安装与配置

环境准备

• Python 3.10+：确保环境正确。

• API Key：准备至少一个 LLM 服务（如 OpenAI 或 Anthropic）的 API 密钥。

安装步骤

根据你的需求，有三种安装方式（任选其一）：

1. 轻量级 SDK（仅编码）：

   pip install praisonaiagents

2. 完整框架（推荐，含 CLI）：

   pip install praisonai

3. 带可视化 UI（AgentClaw）：

   pip install "praisonai[claw]"

基础配置

1. 设置密钥：在终端中设置环境变量（以 OpenAI 为例）。

   export OPENAI_API_KEY="sk-xxx"

2. 启动 UI（可选）：如果你安装了 UI 版本，运行 praisonai ui即可在浏览器打开管理界面。

如何使用

方式一：Python 代码（开发者首选）

只需几行代码即可启动一个多智能体团队：

from praisonaiagents import Agent, Agents

# 1. 定义角色：研究员
researcher = Agent(
    name="研究员",
    instructions="你负责搜索并整理 AI 领域的最新趋势",
    tools=["search"]  # 赋予搜索工具
)

# 2. 定义角色：撰稿人
writer = Agent(
    name="撰稿人",
    instructions="基于研究员的发现，撰写一篇结构清晰的博客文章",
    llm="gpt-4"  # 可指定特定模型
)

# 3. 组队并运行
team = Agents(agents=[researcher, writer])
result = team.start("写一篇关于 2025 年 AI 发展趋势的文章")
print(result)

方式二：YAML 无代码配置（运维/产品）

创建 agents.yaml文件：

framework: praisonai
topic: "AI 行业分析报告"
agents:
  data_analyst:
    role: 数据分析师
    goal: 收集和分析 AI 市场数据
  report_writer:
    role: 报告撰写专家
    goal: 基于数据撰写正式报告

运行命令：praisonai --config agents.yaml

方式三：UI 交互（最直观）

1. 运行 praisonai ui。

2. 访问 http://localhost:8082。

3. 在 Chat​ 或 Agents​ 页面直接通过自然语言创建任务，或配置 Channels​ 连接你的 Telegram Bot。

应用场景实例（无代码）

场景一：7×24 小时跨境电商客服

痛点：跨境卖家需要处理不同时区的客户咨询，但人力成本高且无法覆盖全天。

PraisonAI 方案：

1. 在 UI 中配置 Discord​ 或 Telegram​ 通道，连接你的店铺群组。

2. 创建一个“客服 Agent”，赋予它产品知识库（RAG）和订单查询工具。

3. 设置 Cron​ 任务，让 Agent 全天候监控群消息。

4. 效果：当海外客户在凌晨提问“我的订单号 123 到哪了”，Agent 自动查询物流 API 并回复，全程无需人工值守。

场景二：自动化研报生成与推送

痛点：投资经理需要每日跟踪行业动态，手动整理资料耗时耗力。

PraisonAI 方案：

1. 组建团队：Crawler Agent（抓取新闻）→ Analyst Agent（提炼观点）→ Reporter Agent（生成 PDF）。

2. 在 Guardrails中设置关键词过滤，确保只关注“大模型”、“芯片”等特定领域。

3. 配置 Cron​ 规则，每日早上 8 点自动运行，并将最终 PDF 通过 Slack​ 推送到工作群。

4. 效果：每天上班前，桌面自动弹出整理好的行业早报。

场景三：代码仓库自动维护

痛点：开源项目维护者需要处理大量的 Issue 和 PR，难以逐一回复。

PraisonAI 方案：

1. 利用 praisonai[code]扩展，让 Agent 具备读取代码库的能力。

2. 创建一个“代码医生”团队：Issue Triage Agent（分类 Issue）→ Code Reviewer Agent（简单代码审查）。

3. 当有新的 PR 时，Agent 自动运行基础检查（如语法、依赖冲突），并留下评论“初步检查通过，感谢贡献！”。

4. 效果：维护者只需关注复杂的技术决策，简单重复工作由 AI 代劳。

总结

PraisonAI 通过低门槛（YAML/UI）和高可控（Python SDK）的结合，成功降低了多智能体系统的应用门槛。无论是想快速搭建一个自动推送消息的机器人，还是构建一个复杂的研发分析流水线，它都能提供从“思考”到“交付”的完整工具箱。

GitHub 地址：https://github.com/MervinPraison/PraisonAI