【智能体开发】【开发工具】【入门】2.CrewAI入门

在文件中，为每个智能体分配一个具体任务，并定义期望的输出格式。对{topic}进行深入研究。确保找到所有有趣且相关的信息，考虑到当前年份是2025年。一个包含10个关于{topic}最相关信息的要点列表。agent: researcher # 指定此任务由researcher执行审查获得的内容，并将每个主题扩展为报告的完整部分。确保报告详细且包含所有相关信息。一份完整的报告，包含主要主题，

水上冰石

355人浏览 · 2026-04-14 11:39:33

水上冰石 · 2026-04-14 11:39:33 发布

CrewAI是一个强大的多智能体框架，让你能像组建团队一样，指派不同的AI角色协作完成复杂任务。这份入门指南会帮你理清核心概念，并提供一个可以直接上手的实践路径。

🧱 CrewAI 四大核心组件

理解这四个基本概念，就能掌握CrewAI的核心逻辑。

组件	是什么	举个例子
Agent (智能体)	团队中的具体"员工"，拥有明确的角色、目标和背景故事。	"高级研究员"：目标"发现最新AI趋势"
Task (任务)	指派给一个Agent去完成的具体工作，包含清晰描述和预期产出。	"AI趋势调研"：产出10个要点的调研报告
Tool (工具)	为Agent配备的"超能力"，使其能执行具体操作，如搜索、代码运行等。	`SerperDevTool`：用于进行网络搜索的工具
Crew (团队)	统筹调度Agents、Tasks和Process的管理层，是执行单元。	包含研究员、分析师等多个Agent的团队
Process (流程)	定义Agents如何协作和执行任务的策略。	顺序(sequential) 或层级(hierarchical) 流程

💻 快速上手实战：从零到一搭建AI研究团队

接下来，我们通过一个实际的AI研究项目来跑通整个流程。

1. 准备工作

Python环境：确保已安装Python 3.10至3.13版本。
API密钥：注册OpenAI等大模型服务商并获取API密钥。如使用网络搜索功能，需准备Serper.dev的API密钥。

2. 安装与创建项目

CrewAI推荐使用 uv 作为包管理工具。用以下命令安装uv、CrewAI CLI，并创建一个名为 latest-ai-development 的新项目。

# 1. 安装 uv 包管理器 (macOS/Linux)
curl -LsSf https://astral.sh/uv/install.sh | sh

# 2. 安装 CrewAI CLI
uv tool install crewai

# 3. 创建新项目，CLI会引导你选择LLM提供商（如OpenAI）并输入API Key
crewai create crew latest-ai-development

# 4. 进入项目目录
cd latest-ai-development

3. 配置智能体

在 src/latest_ai_development/config/agents.yaml 文件中，定义两个智能体的角色、目标和背景故事。你还可以直接为他们指定工具。

# agents.yaml
researcher:
  role: >
    {topic}高级数据研究员
  goal: >
    发现{topic}领域的前沿发展
  backstory: >
    你是一位经验丰富的研究员，擅长发现{topic}领域的最新发展。
    你以能够找到最相关信息并以清晰简洁的方式呈现而闻名。
  tools:
     - serper_dev_tool  # 为研究员配备搜索工具

reporting_analyst:
  role: >
    {topic}报告分析师
  goal: >
    基于{topic}数据分析和研究发现创建详细报告
  backstory: >
    你是一位细致入微的分析师，对细节有着敏锐的洞察力。
    你擅长将复杂数据转化为清晰简洁的报告。

4. 定义任务

在 src/latest_ai_development/config/tasks.yaml 文件中，为每个智能体分配一个具体任务，并定义期望的输出格式。

# tasks.yaml
research_task:
  description: >
    对{topic}进行深入研究。确保找到所有有趣且相关的信息，考虑到当前年份是2025年。
  expected_output: >
    一个包含10个关于{topic}最相关信息的要点列表。
  agent: researcher  # 指定此任务由researcher执行

reporting_task:
  description: >
    审查获得的内容，并将每个主题扩展为报告的完整部分。
    确保报告详细且包含所有相关信息。
  expected_output: >
    一份完整的报告，包含主要主题，每个主题都有完整的信息部分。
    以不带'```'的markdown格式呈现。
  agent: reporting_analyst  # 指定此任务由reporting_analyst执行
  output_file: report.md    # 将报告输出到文件

5. 编排团队

在 src/latest_ai_development/crew.py 中，将定义好的智能体和任务组合成一个Crew，并设置执行流程为顺序执行（Process.sequential）。

# crew.py
from crewai import Agent, Crew, Process, Task
from crewai.project import CrewBase, agent, crew, task
from crewai_tools import SerperDevTool

@CrewBase
class LatestAiDevelopmentCrew():
    """最新AI发展研究团队"""
    agents_config = 'config/agents.yaml'
    tasks_config = 'config/tasks.yaml'

    @agent
    def researcher(self) -> Agent:
        return Agent(
            config=self.agents_config['researcher'],
            verbose=True,
            tools=[SerperDevTool()]  # 实例化并使用工具
        )

    @agent
    def reporting_analyst(self) -> Agent:
        return Agent(
            config=self.agents_config['reporting_analyst'],
            verbose=True
        )

    @task
    def research_task(self) -> Task:
        return Task(config=self.tasks_config['research_task'])

    @task
    def reporting_task(self) -> Task:
        return Task(config=self.tasks_config['reporting_task'])

    @crew
    def crew(self) -> Crew:
        """创建最新AI发展研究团队"""
        return Crew(
            agents=self.agents,
            tasks=self.tasks,
            process=Process.sequential,  # 设置流程为顺序执行
            verbose=True,
        )

6. 运行并验证

一切准备就绪，在项目根目录下运行命令即可启动你的AI团队。

crewai run

系统会提示你输入研究主题（topic），比如"量子计算"。随后，你将在控制台看到"研究员"进行搜索，然后"分析师"整理报告的完整协作过程。最终的报告将保存在项目根目录的 report.md 文件中。

⚙️ 核心组件进阶指南

掌握了基础之后，你可以通过以下配置，让AI团队更加强大和可控。

1. Agent：定制团队成员

除了role、goal和backstory，Agent还有许多高级配置选项，可以精细化控制其行为。

参数	作用	示例
`llm`	可为每个Agent指定不同的大语言模型。	`llm = "gpt-4-turbo"`
`tools`	给Agent赋予具体能力，如搜索、计算、调用API等。	`tools = [SerperDevTool()]`
`allow_delegation`	允许Agent将任务委派给其他Agent。	`allow_delegation = True`
`max_iter`	设置Agent在给出最终答案前的最大推理步数，防止陷入死循环。	`max_iter = 15`
`verbose`	开启详细日志，有助于调试。	`verbose = True`