多智能体应用一旦要落地，复杂度往往不在单个模型调用，而在角色怎么分工、上下文怎么共享、流程怎么复用。agentUniverse 值得关注的点，是它把这些协作模式直接做成了框架里的可复用组件。🧩

agentUniverse 是一个开源 LLM 多智能体框架，面向构建单个智能体和协作式智能体应用的开发者。它源自蚂蚁集团的真实金融业务实践，目标是把可配置智能体组件、协作模式和领域知识注入结合起来，帮助组织复杂任务。开源许可证为 Apache License 2.0。

亮点主要有三处：

1. 内置 PEER 协作模式，把工作拆给 Plan、Execute、Express、Review 四类角色，按步骤推进；另有 DOE 模式，面向数据密集型任务组合数据查找、意见注入和表达智能体。重点不是单个智能体多强，而是协作流程可配置、可复用。

2. 提供可定制的智能体构建块，指南覆盖添加工具、知识库、RAG、测试、部署和评估；模型集成可通过配置完成，README 记录 Qwen、DeepSeek、OpenAI、Claude、Gemini 等提供商。

3. 还有可视化工作流选项，包括可视化画布平台和创建智能体工作流的示例应用，对想先搭原型的人可能更友好。

我的看法：多智能体的难点通常不在“多叫几个 Agent”，而在协作协议、上下文管理和评估闭环。agentUniverse 把协作模式产品化，我倾向于认为它能帮团队少花一点时间在流程架构上，尤其是金融等需要领域知识注入的场景；但它是否好用，可能取决于领域知识如何注入、测试评估怎么做，以及模型配置和工具连接是否稳定。对读者来说，如果只是做单 Agent，不一定需要；如果要搭多 Agent 协作原型或企业内领域专家智能体，它值得放进候选清单，但工程化仍要自己补。🤔

你更看重开箱即用的协作模式，还是可视化编排的灵活度？🔍

#AI新鲜事