① 六大框架坐标系
站在 2026 年的框架版图——选型不是比功能多，而是比路线是否匹配场景。
| 框架 | 路线 | 核心特性 | 生产就绪度 |
|---|
| LangChain | ReAct-first 装配层 | 瑞士军刀式工具链，功能最全生态最丰富 | 原型友好 |
| AgentScope | ReAct 偏 B | Actor 模型多 Agent 通信，多业务线验证（厂商口径） | 高 |
| 企业 Agent 运行时（代称） | ReAct 为核 + 混合 | 软编排、Session 路由，易扩展 | 中-高 |
| Spring AI | 中立抽象 | Java LLM 接入层，与具体框架解耦 | 中 |
| Spring AI Alibaba | Graph 运行时 + Agent Framework | DAG + 四种 Agent 类型，结构清晰 | 中 |
| LangGraph | 纯 Graph | StateGraph 节点内嵌 ReAct | 高（v1 持久化一等能力） |
② 决策树：按业务确定性逐层决策
从「流程固定吗」问起，逐层下钻——先评估场景再定框架。
Q1：流程固定吗？
是 → Workflow（Spring AI Alibaba / AgentScope Workflow）— 可控性最高
否 ↓ 任务复杂度
Q2：任务简单？
是 → ReAct-first 装配层（LangChain）
否 ↓ 需要规划？
Q3：需要规划？
是 → Planner-Executor（GOAP / Plan 模式）
否 ↓ 多领域？
Q4：多领域？
是 → Multi-Agent（AgentScope / LangGraph）
否 ↓ 受控域要求高？
是 → Graph 为壳 + ReAct 为核（金融/合规）
③ 决策的隐藏权衡：确定性优先
选型真正的难点不在「知道有哪些框架」，而在「承认很多场景不需要高复杂度」。
| 维度 | Workflow（Graph） | 自主 ReAct |
|---|
| 可控性 | 最高（节点固定、可审计） | 低（路径不确定） |
| 成本 | 粗算可降 60–70%（未实测，确定性节点不走 LLM） | 高（每步都 LLM 决策） |
| 灵活性 | 低 | 最高（开放探索） |
| 适用 | 合规/受控/流程固定 | 开放/探索/长尾 |
反直觉认知：Workflow 的可控性反而是最高的——架构越复杂，不等于越可靠。经验判断：相当一部分 Agent 返工，起因是架构选大了、选重了。
④ 趋同洞察：ReAct 为核 + Graph 为壳
行业从 2024 年的「ReAct 还是 Graph」之争，收敛到一条共识。
ReAct 核：处理开放域、自主推理、多工具编排
Graph 壳：接管受控/合规域、确定性节点、可审计流程
与 金融级智能体底座 双模执行、金融机构趋同分析互证：确定性优先不是金融独有，而是所有走向生产的 Agent 的共同归宿。
选型金句：先评估业务场景（固定/简单/复杂/多领域），再评估资源约束与团队技术栈，小范围原型验证后才定全套。成熟框架最终都长成「ReAct 为核 + Graph 为壳」的混合架构。