选 Agent 平台的时候，大多数人第一反应是看星数、看功能表、看别人踩坑的帖子。但真正决定你今晚能不能把它跑起来的，往往是另一个没人爱聊的数字：官方文档里写的最低配置门槛。
我把这两年攒下的横向对比重新翻了一遍，发现有一个角度是全网都缺位的——大家都在比”谁能干什么”，没人系统地摆出”每个平台自己声称要吃多少资源”。而这个数字一摆出来，很多人的选择会当场反转。
先把话说透：两种完全不同的形态
我把主流 Agent 平台按自托管方式分了一下类，发现只有两种：
第一种是 Docker Compose 多容器栈。 你以为你装了一个软件，其实你启动了一整套微服务。Dify 的 docker/docker-compose.yaml 里定义了 48 个 service——API、Worker、PostgreSQL、Redis、向量库、Nginx 反代、插件沙箱、还有个定时任务初始化容器，一个都不少。AutoGPT Platform 也在这类里，它自己文档里写得很直白：需要 Docker、Docker Compose、Git、Node.js 一整套。
第二种是单进程 pip 库。 Langflow、CrewAI、MetaGPT 属于这类。uv pip install langflow 一条命令，起来一个 Python 进程，不需要常驻服务，也不需要你去理解五个中间件之间的关系。
看懂这张图，剩下的数字就好理解了。
官方自己说的最低门槛
我把几个主流项目的官方文档和 README 都翻了一遍，以下是原文数字，不是我的估算：
Dify：官方文档写 CPU >= 2 Core、RAM >= 4 GiB。但后面还有一句容易被忽略的话——Mac 用户需要把 Docker 虚拟机配置成至少 2 vCPU 和 8 GiB 内存，否则可能安装失败。Linux 用户直接 Docker Compose 就能起来。
Langflow：官方安装文档给的门槛更宽松——最低双核 CPU 加 2 GB RAM，推荐多核加 4 GB。要求 Python 3.10–3.14。文档里还专门提了一句：如果你用 pip install langflow 卡在依赖解析上，改用 uv 就行。这个坑我熟，装过 Python 大依赖树的人都知道。
Flowise：社区 FAQ 给的门槛是 2GB 内存，需要 Node.js 18.15.0 或 20+。它算是这几个里最轻的——但有个更致命的问题，下面会说。
AutoGPT Platform：它 README 里的数字明显高出一档——CPU 推荐 4 核以上，内存最低 8GB、推荐 16GB，磁盘至少留 10GB。而且它明确写了一句”自己搭平台是一个技术活”，还推荐你去排队等它的云托管 beta。另外它现在不支持 Podman，只有 Docker。
CrewAI 和 MetaGPT：这两个根本没写过配置门槛，因为它们压根不需要常驻服务。真正值得注意的是它们的依赖规模——我查了 PyPI 的元数据：CrewAI 1.15.23 有 56 个直接依赖，MetaGPT 0.8.2 有 148 个，而且 MetaGPT 硬性要求 Python < 3.12（它卡上限，很多新环境会直接装不上）。对比一下：AutoGen 的 autogen-agentchat 只要 1 个直接依赖。
顺手查到的活没活（附带）
既然都在查 GitHub，我把几个项目的代码心跳也拉了一遍，结果比配置门槛更值得说一句。
- Dify：近 90 天 2337 次提交，最新版本 1.17.1（2026-09-10），427 个贡献者。这是全场最健康的。
- Langflow：近 90 天 828 次提交，最新 v1.12.4（2026-09-29）。
- AutoGPT：近 90 天 755 次提交，还在发 beta 版本。
- CrewAI：近 90 天 301 次提交，v1.15.23（2026-09-28）。
- Flowise：2026-08-13 已归档（GitHub
archived: true），近 90 天只剩 23 次提交，1040 个 issue 挂着没人管。 - AutoGen：0 次提交，最后 push 是 2026-04-15。README 顶部挂了个橙色
Maintenance Mode徽章，微软让它迁去 Microsoft Agent Framework 了。 - MetaGPT：0 次提交，最后 commit 2026-01-21，最新 release 还停在 v0.8.1（2024-04-22）。7 万星的项目，代码已经大半年没人动了。
实话
实话：以上所有数字都是我从各项目的官方文档和 GitHub API 直接拉的，我没有在本机把这些平台一个一个部署起来跑通。 配置门槛是”官方声称的下限”，不是”我实测的稳定水位”。真实占用一定更高——Dify 那 48 个容器空跑起来也要吃不少内存，官方 4 GiB 更像个理论起点而非日常开发配置。我这台机器是 8 核 7G 内存，跑 Langflow 这种单进程毫无压力，但 Dify 全家桶我确实得掂量一下。
另一个要提醒的：Python 上限这种硬约束最容易被忽略。MetaGPT 卡死 <3.12 这类限制，不写在你项目 README 里，只在 PyPI 的 requires_python 字段里躺着，等你 pip install 报错才发现，排查起来能磨掉一下午。
最后一句实话：门槛低不等于好用。Langflow 两条命令能起来，但组件一多，那个画布的调试体验是另一回事；Dify 重，但把模型管理、权限、知识库一口气给你，省的是后端工程量。没有免费的午餐，只有你愿意自己扛哪部分复杂度。
你现在手头在跑哪套 Agent 平台？被哪个平台的安装折腾过？评论区说说，我下一篇挑个具体的展开写。
以上项目均未深度实测，配置与提交数据来自各项目官方文档及 GitHub 公开 API（数据截至 2026 年 10 月 5 日）。
by 数码罗记·godsun.pro
