你花了3个月学LangChain，LangChain改了API。你花了3天写原生代码，3年了还在用。

AI框架的"Build vs Buy"决策，跟传统软件完全不同。传统软件中，“Buy"意味着"买来就能用，稳定可靠”。AI框架中，“Buy"意味着"学会一个API，3个月后API变了，你又要重学”。

越来越多的团队在反思：花在学习和维护框架上的时间，可能比从零开始写的时间还多。

自建派的核心论点：200行代码，3年不变

某AI创业公司的技术负责人做过一个计算：

  • 学习LangChain：2周

  • 用LangChain搭建RAG：1周

  • 维护LangChain（版本升级、Bug修复）：每月2天

  • 第一年总投入：约50天

  • 自建200行Python RAG：3天

  • 维护自建代码（极少）：每月0.5天

  • 第一年总投入：约9天

自建方案比框架方案省了41天。这41天可以做2个新功能，或者优化模型效果。

金句：框架的"快"是"Demo快"，不是"维护快"。框架的维护成本被严重低估了。

框架派的核心论点：框架帮你站在巨人的肩膀上

框架的支持者会说：你200行代码实现的是最基础的RAG。但框架提供了Chunking策略、Reranker、Hybrid Search、Agent、Memory、Observability——这些功能你200行代码实现不了。

这个论点是对的。但问题是：你真的需要所有这些功能吗？

一项调查显示，80%的LangChain用户只用了框架的20%功能。大部分人只需要：文档加载、分块、Embedding、向量检索、LLM调用。这5个功能，200行代码确实能实现。

金句：框架的价值 = 你需要的功能 - 你不需要的功能 - 框架的学习成本。很多时候，这个公式的结果是负数。

决策框架：什么时候该自建，什么时候该用框架

该自建的场景：

  1. 需求简单且稳定：只需要基础的RAG或Agent，未来半年不会有大的功能变化
  2. 团队有经验：团队成员熟悉LLM API，不需要框架的"封装"
  3. 对性能敏感：框架的抽象层开销不可接受
  4. 对稳定性要求高：不能接受框架的Breaking Change
  5. 安全合规要求：金融、医疗等行业不能引入500个依赖包

该用框架的场景：

  1. 需求复杂且多变：需要Agent、工作流、多模态等高级功能
  2. 团队在成长：新手开发者通过框架快速上手LLM开发
  3. 快速原型验证：需要在一周内上线Demo验证想法
  4. 需要生态支持：需要集成的工具（LangSmith、LlamaParse等）
  5. 团队规模大：多个开发者需要统一的开发规范和工具链

金句：自建vs框架不是"谁更好"的问题，是"你的需求多复杂"的问题。需求越简单，自建越划算；需求越复杂，框架越划算。

第三种方案：用框架的"核心"，不用框架的"全家桶"

一个折中方案是：用框架的核心组件，但不用框架的"全家桶"。

比如：

  • 用LangChain的ChatOpenAI和PromptTemplate（核心组件，API稳定）
  • 不用LangChain的Chain和Agent（高级抽象，API不稳定，Overhead大）
  • 检索和索引逻辑自己写（核心业务逻辑，应该可控）

这样既享受了框架的便利（不需要自己封装LLM调用），又避免了框架的负担（不依赖不稳定的高级抽象）。

金句：用框架的"核心"，不用框架的"全家桶"。这是2026年最务实的AI开发策略。

2026年的建议：能自建就自建，不能自建再用框架，但做好准备换框架

AI框架的格局在2026年还在快速变化。你选择的框架可能在2027年就不存在了。所以：

  1. 如果你的需求简单：自建200行代码。稳定、可控、零依赖。
  2. 如果你的需求复杂：用框架，但在框架外面包一层抽象层。方便以后换框架。
  3. 不管选什么：不要把核心业务逻辑耦合到框架的API上。框架是"胶水"，不是"地基"。

金句：2026年，AI框架还在"青春期"——变化快、不稳定、充满不确定性。投资框架可以，但不要押注一个框架。