位置：AI门户网 > AI技术 > AI框架 > 2023年有哪些值得新手关注的AI框架？

2023年有哪些值得新手关注的AI框架？

来源：AI门户网时间：2026/3/25 22:10:46 共 3152 浏览

你是不是也刷到过各种AI新闻，什么GPT-4、文心一言，感觉AI世界日新月异，但想自己动手试试，却立刻被“框架”、“模型”、“智能体”这些词给整懵了？就像新手想学做菜，第一步不是找菜谱，而是得先认识锅碗瓢盆一样。今天，我们就来聊聊2023年AI领域那些关键的“锅碗瓢盆”——也就是那些让开发者能更轻松构建AI应用的最新框架。别担心，咱们用最直白的话，把它们掰开揉碎了讲清楚。

一、别慌，先搞懂“AI框架”到底是个啥？

简单来说，AI框架就像是一个功能超级强大的工具箱。你想想，一个木匠要做把椅子，他需要锯子、锤子、钉子。AI开发者要做一个能聊天的机器人或者能识别图片的程序，也需要专门的工具。AI框架就把这些工具——比如处理数据的工具、训练模型的算法、调用大模型的接口——都打包好，还附上了说明书（API），让开发者不用从零开始造轮子，能更快地把想法变成现实。

所以，它的核心作用就是提高开发效率，降低技术门槛。特别是对于新手，一个好的框架能帮你避开很多坑。

二、 2023年的“明星选手”们：两大方向与代表框架

2023年，随着ChatGPT等现象级应用的出现，AI框架的发展也出现了两个很明显的趋势。一个方向是围绕大语言模型（LLM）应用开发的框架，另一个是更传统的、用于构建和训练深度学习模型的基础框架。对于新手小白，咱们重点关注第一个方向，因为它离做出“看得见、摸得着”的AI应用更近。

方向一：大语言模型应用开发框架（热点所在！）

这类框架的目标很明确：帮你把像GPT-4这样的大模型“接”到你的程序里，让它能根据你的需求干活。2023年，有几个名字你肯定会反复看到。

1. LangChain：当之无愧的“人气王”

如果你想快速做一个能联网查资料、能处理文档的智能聊天助手，LangChain几乎是首选。它的设计理念很聪明，用“链”（Chain）把不同的模块（比如调用模型、搜索网络、访问数据库）像搭积木一样连起来。它的生态也最丰富，社区活跃，教程多，对新手比较友好。

它的核心优势可以总结为：

*模块化设计：想加什么功能就选什么模块，灵活。

*强大的“工具调用”能力：能让大模型自己去操作其他软件或API，比如查天气、发邮件。

*内置“记忆”功能：能让AI记住之前的对话，实现连续聊天。

*对RAG（检索增强生成）支持好：这是让AI“读懂”你私人文档（比如公司资料、个人笔记）的关键技术。

2. Semantic Kernel（微软）

这是微软在2023年Build大会上，随着Copilot Stack这个整体战略一起推出的开发框架。你可以把它理解为微软系开发的“官方推荐”工具箱。它和微软的Azure云服务、Office全家桶结合得更紧密。如果你本身就在用微软的生态，或者想开发类似Copilot的办公助手，那值得关注它。

3. AutoGen（微软）

这个框架的思路特别有意思，它专注于“多智能体”协作。什么意思呢？就是你不只让一个AI干活，而是可以创建多个不同角色的AI（比如一个负责策划，一个负责写代码，一个负责检查），让它们自己互相讨论、协作来完成复杂任务。这听起来就很有未来感，适合想探索前沿应用的朋友。

方向二：传统的AI/深度学习框架（打基础必备）

这些是更底层的工具，适合你想真正理解AI模型是如何从数据中被“训练”出来的。它们就像是给你提供了原材料和机床，让你可以自己设计、制造出专属的“AI芯片”。

1. PyTorch 和 TensorFlow

这俩是行业的“泰山北斗”，地位依然稳固。2023年，它们也在不断进化，更好地支持大模型训练。

*PyTorch：以其灵活、易调试的特性，深受研究人员和学术界的喜爱，感觉写起来更符合编程直觉。

*TensorFlow：在工业界部署和生产环境应用上非常成熟，有完整的生态系统。

对于纯粹的新手，如果目标是快速应用，可能不会直接深入它们。但了解它们的存在，知道它们是许多上层应用框架（比如上面提到的LangChain）的底层支撑，这很重要。

2. 国内的代表：百度飞桨（PaddlePaddle）、ModelScope等

这里也必须提一下国内的优秀框架。比如百度的飞桨，它是一套功能全面、中文文档和社区支持很好的深度学习平台。还有阿里的ModelScope，它主打“模型即服务”，提供了海量的预训练模型，让你可以直接调用或微调，非常适合想快速体验各种AI能力的新手。

为了更直观，我们可以简单对比一下这两大类框架的核心区别：

特性对比	大语言模型应用框架(如LangChain)	传统AI/深度学习框架(如PyTorch)
:---	:---	:---
主要目标	快速构建基于大模型的智能应用	从零开始设计和训练深度学习模型
技术门槛	相对较低，更关注应用逻辑和拼接	相对较高，需要理解机器学习原理
好比	用高级乐高套件拼装一个机器人	从塑料颗粒开始，设计并注塑出乐高积木
适合人群	应用开发者、产品经理、入门新手	AI算法工程师、研究人员、深度学习学习者
2023年热度	爆发式增长，焦点所在	稳步发展，基础坚实

三、灵魂拷问：我到底该学哪个？

看到这么多选择，估计你又头疼了。别急，咱们自问自答几个核心问题，帮你理清思路。

Q1：我是个完全不懂代码的小白，也能玩转这些框架吗？

A：坦率地说，完全零代码基础会有难度。但这些应用层框架（比如LangChain）已经大大降低了门槛。你需要的是基础的Python编程知识，以及按照教程一步步操作的耐心。现在很多框架都提供了非常详细的入门示例，你甚至可以直接在在线环境里运行。记住，你的目标不是发明新算法，而是学会使用工具。

Q2：它们听起来都很强大，我是不是必须全学会？

A：绝对不用！贪多嚼不烂。对于新手，我的建议是：

1.明确你的兴趣点：你是想做一个能自动处理文档的助手，还是想做一个能聊天的机器人？或者就是想了解AI模型是怎么训练的？

2.选择一个，深入下去：如果你的兴趣是前者，强烈建议从LangChain开始。找它的官方教程，运行第一个“Hello World”程序，感受一下如何调用大模型。如果你是后者，可以从PyTorch或飞桨的入门课程学起。

3.先做出一个能跑起来的小项目：哪怕是只能简单问答的机器人。这比你看十篇理论文章都有用。

Q3：2023年都过了，现在学这些会不会过时了？

A：这是个好问题。技术迭代确实快，但2023年是大模型应用开发框架的“元年”，LangChain、Semantic Kernel等确立的设计思想和核心范式（比如智能体、工具调用、RAG）已经成为标准。学习它们，你掌握的是如何让大模型落地应用的“方法论”。具体的API可能会变，但底层逻辑是相通的。现在入手，正是站在了巨人的肩膀上，而不是学已经淘汰的东西。

四、给新手小白的行动路线图

好了，理论说了这么多，到底第一步该踩在哪里？别光收藏，照着做：

1.心态准备：放弃“一步登天”的想法。把目标定为“让代码跑起来”，而不是“创造一个颠覆性的AI”。

2.技能准备：花点时间学学Python基础语法。不用很深，能看懂代码、会安装库就行。

3.环境准备：在电脑上装好Python和一个你顺手的代码编辑器（比如VSCode）。

4.实战开始：

*第一步：去LangChain官网，找到“Get Started”部分。

*第二步：按照指南，安装LangChain库（通常就是一句 `pip install langchain` 的命令）。

*第三步：复制官网的第一个示例代码（通常是调用OpenAI API的简单例子）。你需要先申请一个类似OpenAI或文心一言的API Key（有的平台有免费额度）。

*第四步：把API Key填到代码指定位置，运行。当你看到AI回复了你，恭喜你，你已经成功了一大半！

5.迭代升级：在这个基础上，尝试修改问题，或者看看文档，给它增加“联网搜索”或“读取本地文件”的功能。

走完这个过程，你对AI框架的恐惧感就会消失大半。你会发现，它真的就是一个工具，用的次数多了，自然就熟了。

小编观点

所以，回到最初的问题：2023年有哪些值得新手关注的AI框架？我的答案是：重点关注以LangChain为代表的大模型应用开发框架。它不是你学习AI技术的终点，但绝对是当前让你最快感受到AI创造力、并亲手做出点东西的最佳起点。技术世界没有“银弹”，最好的框架就是那个能帮你把想法实现、并让你保持学习热情的框架。别在犹豫和比较中浪费时间，选一个，动手吧。当你第一个自己打造的AI程序成功回应你的那一刻，你会觉得这一切都非常值得。那个看似遥远的智能世界，其实就隔着你一次勇敢的尝试。