CrewAI

🚀 安装与使用：从零搭建你的第一个 AI 团队

CrewAI 是为开发者设计的工具，但安装和使用流程已经被 CLI 封装得比较顺滑了。

1. 环境准备

CrewAI 要求 Python >= 3.10 且 < 3.14。建议先检查一下自己的 Python 版本：

python3 --version

2. 安装 uv 和 CrewAI CLI

CrewAI 官方推荐用 uv 这个超快的 Python 包管理器来安装：

macOS/Linux：

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows（PowerShell）：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

然后安装 CrewAI CLI：

uv tool install crewai

验证安装：uv tool list，应该能看到 crewai 列出来。

3. 创建项目

用 CLI 一键生成项目脚手架（新版默认用 JSON 配置）：

crewai create crew <你的项目名>

如果想用经典的 Python + YAML 方式，加 --classic 参数。

生成的项目结构大致是这样的：

• agents/ — 存放 Agent 定义（*.jsonc）
• crew.jsonc — 团队级别配置（任务顺序、默认输入等）
• .env — 存放 API Key（OpenAI、Serper 等）
• tools/ — 可选，放自定义工具

4. 配置 Agent 和 Task

在 agents/researcher.jsonc 里定义第一个 Agent：

{
  "role": "高级研究专家",
  "goal": "全面研究 {topic} 并找到准确信息",
  "backstory": "你是一位经验丰富的研究专家，擅长从各种来源寻找相关信息。"
}

然后在 crew.jsonc 里配置任务和团队。CLI 会提示你输入缺失的占位符（比如 {topic}）。

5. 运行你的 Crew

crewai install
crewai run

第一条命令安装依赖，第二条启动你的 AI 团队干活。

使用技巧

• 善用任务上下文（context）：Task 之间可以通过 context 字段传递输出，比如分析任务依赖研究任务的成果。这是实现"信息流"的关键。
• 开启 Agent 间的委托（delegation）：在 Agent 定义里设置 allow_delegation: true，Agent 就能把子任务委派给团队里更合适的同事。这个功能让协作变得更智能。
• 从模板开始：官方文档提供了大量示例项目，GitHub 上也有社区分享的模板。第一次用别自己从零写，先拿现成的改。
• 用 crewai chat 交互式调试：从 v0.98.0 开始，你可以在终端里用 crewai chat 和你的 Crew 互动，AI 会引导你输入必要参数，然后执行任务。