如果你还在手动调 Prompt、搭 Agent 框架、配置多 Agent 协作……有没有想过一句话就能搞定？
PraisonAI 就是这么干的。它的口号很霸气——"雇一个 24/7 的 AI 劳动力"。
是什么
PraisonAI 是一个开源的 AI Agent 框架，8.1K Stars，MIT 协议。作者 MervinPraison，2024 年 3 月发布。
它最牛的地方不是技术多深——而是够简单。一行 pip install praisonai，5 行代码就能跑一个完整的 Agent。还支持 YAML 零代码模式，不会写 Python 的人也能定义 Agent 团队。
最出圈的一次：马斯克本人引用过 PraisonAI 的教程（关于用 Grok 做客服的）。
安装：
# 一句话安装
curl -fsSL https://praison.ai/install.sh | bash
# 或者 Python pip
pip install praisonai
核心能力
一行代码跑 Agent。 核心 SDK praisonaiagents 轻量无依赖，5 行代码搞定：
from praisonaiagents import Agent
agent = Agent(instructions="你是一个资深数据分析师")
agent.start("分析 2026 年三大科技趋势")
多 Agent 协作。 定义多个 Agent，自动分工协作——一个研究、一个总结、一个输出报告。
MCP 协议全支持。 stdio、HTTP、WebSocket、SSE 四种传输方式都支持。任意 MCP 服务器都可以直接当工具接入 Agent。
100+ LLM 支持。 OpenAI、Anthropic、Google Gemini、DeepSeek、Ollama、Groq、Mistral 等全支持。本地模型也能跑。
YAML 零代码模式。 不会写代码？写个 YAML 文件就行了：
framework: praisonai
topic: "写一篇关于 AI 的博客"
agents:
researcher:
role: 研究分析师
goal: 收集 AI 趋势信息
writer:
role: 内容写手
goal: 写出吸引人的博客
Claw 控制台。 可视化仪表盘，直接把 Agent 接入 Telegram、Discord、Slack。13 个内置页面：聊天、Agent 管理、记忆、知识库、频道管理、守则、定时任务等。
Flow 可视化构建。 集成 Langflow，拖拽式构建多 Agent 工作流，路由、并行、循环、分支——全可视化。
深研究模式。 多步自主研究，自动搜索、阅读、综合，输出研究报告。
规划 + 执行。 Agent 先规划再执行，中间可以自我反思和纠错。
不是没有槽点
文档庞大。 功能太多了——光文档就几十页。想要完全掌握需要不少时间。
生态依赖。 很多高级功能（如 Claw、Flow）依赖第三方服务（Tavily API 等），不是纯本地方案。
性能开销。 Agent 框架本身轻量，但跑多 Agent 协作时 LLM 调用量不小，注意 token 成本。
还不是 1.0。 8.1K Stars 不少了，但项目还在快速迭代中，API 有时会有变动。
跟同类怎么比
vs LangChain： LangChain 功能也很全，但复杂度过高——LCEL、Runnable、Callback 等概念太多。PraisonAI 主打简洁：5 行代码起跑，YAML 零代码也能用。
vs CrewAI： CrewAI 也是多 Agent 框架，但 PraisonAI 的 MCP 支持、Claw 仪表盘、100+ LLM 支持、YAML 模式更全面。PraisonAI 更像一个完整的 Agent 平台而不仅仅是框架。
vs OpenAI Assistants API： OpenAI 的 Agent 是闭源的，数据在 OpenAI 手里。PraisonAI 开源、本地可部署、模型可换。
我的评价：如果你想要一个开箱即用、功能全面、但又不至于太复杂的 Agent 框架，PraisonAI 是目前最值得试的之一。尤其是 Claw 控制台直接接 Telegram 这个功能，很实用。
GitHub：https://github.com/MervinPraison/PraisonAI
文档：https://docs.praison.ai
标签：#PraisonAI #AIAgent #多智能体 #MCP #AI框架 #LLM #马斯克 #开源 #TelegramBot
关注我，每期分享一个帮你省事的强大工具 🛠️