1. AI Agent 竞品全景图：主流竞品、产品定位、市场格局
1.1 本章边界与分层
本章聚焦于当前 AI Agent 领域的商业和开源竞品，构建一张“竞品全景图”。分析边界覆盖从底层模型服务到上层应用平台，不涉及传统 RPA 或低代码平台，仅关注具备自主规划、工具调用与记忆能力的 Agent 产品。
市场可按“能力轴”和“开放度轴”划分为四个象限：
- 底层模型 + Agent 能力 (Model-Centric)： 如 OpenAI (GPT-4/Assistants API)、Anthropic (Claude + Tools Use)。
- 开发者框架与编排层 (Framework-Centric)： 如 LangChain、CrewAI、AutoGen (微软)。
- 托管式 Agent 平台 (Platform-Centric)： 如 Coze (字节跳动)、Dify、百度千帆 AppBuilder。
- 垂直行业 Agent (Vertical-Centric)： 如 Devin (编程)、CRM 领域的 Salesforce Einstein。
1.2 主流竞品组件职责与数据流
所有 Agent 竞品的核心组件可抽象为 “规划器 (Planner)”、“记忆模块 (Memory)”、“工具执行器 (Tool Executor)” 及 “安全护栏 (Guardrails)”。数据流遵循 任务 -> 规划 -> 工具调用 -> 结果归约 的闭环。
下表对比了关键竞品在组件职责上的差异：
| 竞品 / 平台 | 产品定位 | 核心规划方式 | 记忆策略 | 工具生态 | 部署模式 |
|---|---|---|---|---|---|
| OpenAI Assistants | 商业闭源，模型即 Agent | Function Calling + 内置 Code Interpreter | Thread 级短期记忆 | 受限 (官方 + 自注册函数) | 云端托管 |
| LangChain / LangGraph | 开源框架，编排层 | ReAct / 有状态图 (Graph) | 开发者自实现 (Buffer / 向量存储) | 丰富 (内置数百种集成) | 自托管 / 云端 |
| Coze (扣子) | 商业平台，低门槛 | 工作流编排 (DAG) | 平台级会话上下文 | 插件市场 + 自定义插件 | SaaS 托管 |
| CrewAI | 开源多 Agent 框架 | 层次式 / 顺序式 Crew | 角色级短期记忆 | 继承 LangChain 生态 | 自托管 |
| AutoGen | 开源多 Agent 框架 | 对话式 (Agent Chat) | 对话历史 + Code Execution | 通过 Python 函数扩展 | 自托管 |
1.3 市场格局与主导力量
当前市场形成 “双极 + 一长尾” 格局：
- 第一极：模型巨头闭环 (OpenAI / Google / Anthropic) — 自建平台和 API，控制入口；风险：强锁定、高成本、数据回流。
- 第二极：云厂商生态 (阿里百炼 / 百度千帆 / 火山方舟) — 绑定云服务，推自家模型和 Agent 平台；风险：迁移成本高、依赖云架构。
- 长尾：开源框架 + 创业公司 (LangChain / Dify / Coze 初期) — 抢占开发者心智和垂直场景。
1.4 市场全景结构 (SVG)
下图展示了从底层基础设施到最终用户层的主要竞品分布与数据流/控制流关系：
1.5 选型权衡：单 Agent 平台 vs 多 Agent 框架
在构建替代方案时，首先面对的是 “托管平台” 与 “开源框架” 的选型权衡：
| 对比维度 | 托管类 (如 Coze 商业版) | 框架类 (如 LangChain) |
|---|---|---|
| 开发速度 | 快 (拖拽式, 内置插件) | 较慢 (需写代码编排) |
| 灵活性/可控性 | 低 (受平台能力边界限制) | 高 (可自定义内存/工具/模型) |
| 数据隐私 | 低 (数据过平台) | 高 (完全自控) |
| 重度改造 | 困难 (需要等待平台发布新功能) | 灵活 (直接修改源码逻辑) |
架构提示： 若团队具备后端工程能力且对数据主权要求极高，优先选择 LangChain + 自托管模型；若追求快速验证和低门槛运营，应选择 Coze 或 Dify 作为 MVP (最小可行产品) 启动。
1.6 风险点
- 供应商锁定风险： 深度使用 OpenAI Assistants API 后，迁移至开源框架的成本极高 (Thread 机制私有)。
- 框架稳定性风险： LangChain 版本迭代快，Breaking Changes 频繁，需锁定版本并编写适配层。
- 模型依赖风险： 所有 Agent 能力强依赖底层模型推理能力，模型降价或能力变化会直接影响产品竞争力。
1.7 落地步骤
- 需求梳理： 明确 Agent 主要场景 (单步工具调用 / 多步复杂规划 / 多角色协作)。
- 选型决策： 采用本节的权衡矩阵选出平台或框架。
- POC 搭建： 用 LangChain + GPT-4o 或 Coze 搭建一个最小 Agent (如知识问答 + 搜索)。
- 评估与替换： 对比竞品方案的关键指标 (准确率 / 延迟 / 成本)。
- 生产化与护栏： 加入内容审核、工具权限、预算控制等安全层。
1.8 验收标准
完成本章学习后，应能：
- 根据业务场景在三层架构 (模型层 / 框架层 / 平台层) 中完成初步选型。
- 绘制一张包含至少 5 个主流竞品的市场格局图，并标注其数据流与控制流。
- 解释“平台锁定风险”与“框架不稳定风险”的应对策略。