Phidata 与 Agno 是什么关系？ 主要能做什么 在哪些环境用 价格怎么算 常见用法 值不值得用 Phidata 这个开源智能体框架已经在 2024 年正式更名为 Agno（官网 agno.com）。团队还是原来那支，产品定位也没变：它是一个用于构建具备记忆、知识库与函数调用能力的多模态 AI 智能体和工作流的框架。所以今天你在 GitHub 或文档里看到的 Agno，就是此前的 Phidata——叫新名字，内核延续。对老用户来说，已写的代码和文档大多仍能对应上，迁移成本不高。 1. 有记忆、有知识、会调用工具的智能体 你可以给一个大模型配上 memory（记忆）、knowledge（知识库）、tools（工具）和推理能力，让它从"只会聊天的模型"变成能查资料、记上下文、动手干活的智能体。 2. 多智能体编排 支持把多个智能体组合成团队协同：一个负责检索、一个负责分析、一个负责执行，框架帮你把它们之间的消息和任务编排好。 3. Agentic RAG 与结构化输出 内置 Agentic RAG 能力，让检索增强更贴近真实任务；同时支持结构化输出，方便把结果直接喂给下游系统。 4. 多模态 文本、图像、音频、视频都能作为智能体的输入输出，不只停留在文字。
优点
- + 完全开源，可自托管
- + 支持多种主流大语言模型
- + 内置知识库与向量存储集成
- + 强大的函数调用与工具链
- + 活跃的社区与持续更新（GitHub 39k+ stars）
缺点
- - 学习曲线较陡，需一定编程基础
- - AgentOS 免费层仅本地模式，生产需付费 Pro
- - 部分高级 RAG/向量文档仍偏少
Phidata 是免费的吗？
核心框架开源免费；Agno（原 Phidata）提供 AgentOS 控制面，Free 层本地使用，Pro 为 $150/月，Enterprise 定制。
支持哪些语言模型？
支持 OpenAI、Anthropic、Google Gemini、Mistral、Groq 等 30+ 模型提供商，并可扩展。
如何构建一个 AI 助手？
用 Python 安装 agno 库，定义 Agent 类，配置模型、知识与工具后运行；也可在 AgentOS 中管理。
Phidata 和 LangChain 有何区别？
Agno 更聚焦 Agent 生产运行时（内存、监控、编排）；LangChain 是更底层的链式调用框架，两者可互补。