使用CrewAI创建一个研究团队
本指导文档将带你一步步完成使用CrewAI框架创建你的第一个AI代理团队的过程。通过这个简单的示例，你将学习如何构建一个研究团队，用于研究和分析指定主题，并生成一份综合报告。本教程基于CrewAI官方文档，适合初学者快速上手。
前提条件
在开始之前，请确保你已完成以下准备工作：
-
安装Python：确保你的系统安装了Python版本在3.10到3.13之间。你可以通过以下命令检查Python版本：
python --version -
安装CrewAI：使用CrewAI的CLI工具和相关依赖项。运行以下命令安装CrewAI及其工具：
pip install 'crewai[tools]' -
获取Serper API密钥：你需要从Serper.dev获取API密钥，用于支持研究代理的网络搜索功能。
-
配置环境：在项目目录中创建一个
.env文件，将你的Serper API密钥和其他敏感信息存储其中，例如：SERPER_API_KEY=your-serper-api-key
有关详细的安装说明，请参考CrewAI安装指南。
步骤一：创建CrewAI项目
CrewAI提供了一个CLI工具，可以快速生成项目结构。打开终端，运行以下命令以创建一个名为latest-ai-development的新项目：
crewai create latest-ai-development
这将在你的当前目录下生成一个名为latest-ai-development的文件夹，包含以下结构：
latest-ai-development/
├── .gitignore
├── knowledge/
├── pyproject.toml
├── README.md
├── .env
└── src/
└── latest_ai_development/
├── __init__.py
├── main.py
├── crew.py
├── tools/
│ ├── custom_tool.py
│ └── __init__.py
└── config/
├── agents.yaml
└── tasks.yaml
步骤二：配置代理（Agents）
代理是CrewAI团队的核心，每个代理都有特定的角色、目标和背景故事。编辑src/latest_ai_development/config/agents.yaml文件，定义两个代理：研究员和报告分析师。以下是一个示例配置：
researcher:
role: "{topic} 高级数据研究员"
goal: "发掘{topic}领域的尖端发展动态"
backstory: "你是一位经验丰富的研究员，擅长发掘{topic}领域的最新进展，以清晰简洁的方式呈现信息。"
tools:
- serper_dev_tool
verbose: true
reporting_analyst:
role: "报告分析师"
goal: "根据研究结果撰写全面且结构清晰的报告"
backstory: "你是一位专业的报告撰写者，擅长将复杂信息整理成逻辑清晰、易于理解的报告。"
verbose: true
注意：{topic}是一个占位符，将在运行时由main.py中的输入参数替换。
步骤三：定义任务（Tasks）
任务定义了代理需要完成的具体工作。编辑src/latest_ai_development/config/tasks.yaml文件，添加两个任务：研究任务和报告任务。示例配置如下：
research_task:
description: "针对{topic}进行深入研究，收集最新的信息和数据。"
expected_output: "一份包含{topic}最新进展的详细研究笔记。"
agent: researcher
reporting_task:
description: "根据研究员提供的笔记，撰写一份结构清晰的综合报告。"
expected_output: "一份格式化的Markdown报告，存储在output/report.md文件中。"
agent: reporting_analyst
output_file: "output/report.md"
注意：output_file指定了报告的输出路径，确保在运行时生成的文件存储在正确位置。
步骤四：设置Crew
CrewAI使用crew.py文件来定义团队的结构和执行流程。编辑src/latest_ai_development/crew.py，确保以下代码正确配置了代理和任务：
from crewai import Agent, Crew, Process, Task
from crewai.project import CrewBase, agent, crew, task
from crewai_tools import SerperDevTool
from crewai.agents.agent_builder.base_agent import BaseAgent
from typing import List
@CrewBase
class LatestAiDevelopmentCrew():
"""LatestAiDevelopment crew"""
agents: List[BaseAgent]
tasks: List[Task]
@agent
def researcher(self) -> Agent:
return Agent(
config=self.agents_config['researcher'],
verbose=True,
tools=[SerperDevTool()]
)
@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'],
output_file='output/report.md'
)
@crew
def crew(self) -> Crew:
"""Creates the LatestAiDevelopment crew"""
return Crew(
agents=self.agents,
tasks=self.tasks,
process=Process.sequential,
verbose=True
)
这段代码定义了一个顺序执行的团队（Process.sequential），其中研究员首先完成研究任务，然后报告分析师根据研究结果生成报告。
步骤五：运行Crew
在src/latest_ai_development/main.py中，设置输入参数并启动团队。示例代码如下：
#!/usr/bin/env python
from latest_ai_development.crew import LatestAiDevelopmentCrew
def run():
"""Run the crew."""
inputs = {
'topic': 'AI Agents'
}
LatestAiDevelopmentCrew().crew().kickoff(inputs=inputs)
if __name__ == "__main__":
run()
在这里，topic被设置为“AI Agents”，你可以根据需要修改为其他主题。
运行以下命令来安装项目依赖并启动团队：
cd latest-ai-development
uv sync
uv run run_crew
或者直接使用CrewAI CLI运行：
crewai run
步骤六：查看结果
运行完成后，你将在output/report.md文件中找到生成的报告。报告内容包括研究员收集的信息和分析师整理的综合分析。你可以通过终端查看代理的实时操作日志，了解每个代理的思考过程和输出。
如果report.md文件未生成，请检查以下内容：
- 确保
output_file路径在tasks.yaml中正确配置。 - 确认Serper API密钥已正确设置在
.env文件中。 - 检查终端日志，排查可能的错误。
下一步：扩展你的Crew
你刚刚创建了一个基础的研究团队，但CrewAI的潜力远不止于此。你可以：
- 添加更多代理：引入专门的编辑者、数据可视化代理或事实核查员。
- 集成更多工具：使用CrewAI支持的其他工具，如浏览器工具或数据分析工具。
- 创建复杂流程：尝试CrewAI Flows，构建事件驱动的工作流以实现更精确的控制。
- 部署到企业平台：将你的团队部署到CrewAI Enterprise，享受可扩展的自动化功能。
有关更多高级功能，请参考CrewAI官方文档或加入CrewAI社区论坛，与其他开发者交流经验。
总结
通过本教程，你成功创建并运行了一个CrewAI团队，包含研究员和报告分析师，完成了从研究到报告生成的任务。这个基础示例展示了CrewAI的协作智能能力，你可以基于此构建更复杂的AI系统。继续探索CrewAI的Crews和Flows功能，解锁更多自动化可能性！