许多粉丝问我：“博主，我想转行 AI 开发，GitHub 上库那么多，我到底该学哪个？ LangChain 是不是过时了？ PyTorch 还要精通吗？ ”

在这个技术迭代快到离谱的时代，选择比努力更重大。

目前市面上 AI 库多如牛毛，新手很容易迷失。
今天我把压箱底的“Python AI 开发核心技术栈”掏出来。 不论你是想做AI 应用 、RAG（AI Agent（智能体） 还是RAG（知识库助手） ，照着这个清单学，绝对不走弯路！

我们将这些库分为三个梯队：

第一梯队：Agent 与流程编排（目前最火的战场）

这是 2025 年最能“搞钱”的领域，想开发“超级员工”，必须死磕这几个。

1. LangGraph

• 为什么学：以前的 LangChain 像是一条直线（Chain），目前的 Agent 需要循环、分支、记忆（Loop）。 LangGraph 复杂、有状态、多步循环专门解决的 Agent 逻辑。
• 一句话：想做真正复杂的商业级 Agent，必学 LangGraph。

2. CrewAI (多智能体协作神器)

• 地位：组建“AI 团队”的首选。
• 为什么学：它把 Agent 拟人化了。 你可以定义一个“研究员 Agent”、一个“写手 Agent”，然后让它们自己开会、分工、干活。
• 一句话：如果你想体验当老板的感觉，用 Python 写几行 CrewAI 代码就能实现。

3. Pydantic

• 地位：企业级多 Agent 框架大佬。
• 为什么学：微软背书，支持极其复杂的对话模式（列如人类随时插嘴、Agent 之间写代码互改）。 适合做类代码生成、数据分析
• 一句话：硬核开发者首选，虽然上手有点难，但上限极高。

第二梯队：数据与 RAG（让 AI 有脑子）

光有模型没用，企业需要 AI 懂自己的私有数据。 这就是 RAG（检索增强生成）。

4. LlamaIndex

• 地位：RAG 领域的绝对霸主。
• 为什么学：它能把你的 PDF、Excel、Notion 文档甚至 SQL 数据库，瞬间变成 AI 能读懂的“索引”。 它的检索策略比 LangChain 更专业、更深。
• 一句话：做企业知识库、客服机器人，LlamaIndex 是绕不开的大山。

5. ChromaDB / Faiss (向量数据库接口)

• 地位：AI 的“长期记忆体”。
• 为什么学：所有的文字都要变成数字（向量）存起来。 ChromaDB 对 Python 开发者极其友善，轻量级，不用装一堆 Docker 就能跑。
• 一句话：给 Agent 装上硬盘，别一关机就失忆。

️ 第三梯队：交互与基础设施（门面与地基）

Agent 做好了，总得有个界面给别人用吧？ 总得调用模型吧？

6. Streamlit（极速开发 UI）

• 地位：Python 程序员的“前端救星”。
• 为什么学：不需要懂 HTML/CSS/JS。 全用 Python 写，10 分钟就能把你的 Agent 变成一个美丽的 Web 网页应用。
• 一句话：演示 Demo、做内部工具，没有比它更快的。

7. Chainlit (专门为 Chat 生)

• 地位：ChatGPT 的开源平替 UI。
• 为什么学：如果你只想要一个像 ChatGPT 那样的聊天界面，支持流式输出、支持上传文件，Chainlit 比 Streamlit 更专业、更好看。
• 一句话：甚至支持“思维链”展示，让用户看到 AI 是怎么思考的。

8. PyTorch 与 Hugging Face（变形金刚）

• 地位：万物起源。
• 为什么学：虽然目前多用 API，但如果你需微调模型（Fine-tuning）或者跑本地开源模型（如 Llama 3, DeepSeek），这两个是避不开的底层。
• 一句话：应用层玩腻了想深入底层原理？ 这里是你的归宿。

✍️ 结语

工具只是手段，思维才是核心， 但好的工具能让你事半功倍。

2026年了，别再手撸 HTTP 请求去调 API 了，把这些框架用起来！