为什么需要多 Agent 系统

单个AI Agent的局限：

复杂任务超出单次对话能处理的范围

不同子任务可能需要不同的专业知识

需要相互验证和纠错

并行处理效率更高

CrewAI的解决思路：定义多个专业角色的Agent，像真实团队一样分工协作。

安装和基础概念

bash
pip install crewai crewai-tools

核心概念：

Agent：有特定角色和专业技能的AI（研究员、写手、审稿人）

Task：分配给Agent的具体工作

Crew：Agent团队，负责协调任务流程

Tool：Agent可以使用的工具（搜索、文件读写等）

第一个多Agent项目：内容创作团队

python
from crewai import Agent, Task, Crew, Process
from crewai_tools import SerperDevTool
工具
search_tool = SerperDevTool()
定义Agent
researcher = Agent(
    role='资深内容研究员',
    goal='收集准确、最新的信息，为内容创作提供扎实的事实基础',
    backstory='你是一位有10年经验的内容研究员，擅长快速找到可信来源，识别信息的准确性',
    tools=[search_tool],
    verbose=True,
    allow_delegation=False
)
writer = Agent(
    role='专业内容写手',
    goal='根据研究资料写出引人入胜、结构清晰的文章',
    backstory='你是一位有15年经验的科技类内容写手，擅长将复杂概念变成易读的内容',
    verbose=True,
    allow_delegation=False
)
editor = Agent(
    role='资深内容编辑',
    goal='确保内容的质量、准确性和可读性达到发布标准',
    backstory='你是有20年经验的内容编辑，以标准严格和对细节的关注著称',
    verbose=True,
    allow_delegation=True
)
定义任务
research_task = Task(
    description='研究{topic}的最新进展，找到5-7个可信信息来源，整理关键数据和观点',
    expected_output='一份包含来源链接、关键数据和核心观点的研究摘要',
    agent=researcher
)
write_task = Task(
    description='基于研究摘要，写一篇1500字的文章，面向{audience}，包含引言、3个主要部分和结论',
    expected_output='完整的1500字文章初稿，Markdown格式',
    agent=writer
)
edit_task = Task(
    description='对文章初稿进行全面编辑：检查事实准确性、逻辑连贯性、语言质量，给出修改版本',
    expected_output='经过编辑的最终文章版本，并附上修改说明',
    agent=editor
)
创建Crew
crew = Crew(
    agents=[researcher, writer, editor],
    tasks=[research_task, write_task, edit_task],
    process=Process.sequential,  # 顺序执行
    verbose=2
)
运行
result = crew.kickoff(inputs={'topic': 'AI Agent 2026年最新进展', 'audience': '技术管理者'})
print(result)

并行执行（提高效率）

python
某些任务可以并行
crew = Crew(
    agents=[researcher, writer, editor],
    tasks=[research_task, write_task, edit_task],
    process=Process.hierarchical,  # 层级模式，Manager Agent自动分配
    manager_llm="gpt-4o",  # 管理Agent使用的模型
    verbose=True
)

实战案例：自动化投资研究报告

python
角色：市场分析师 + 财务分析师 + 风险评估师 + 报告撰写师
任务：分析目标公司 → 财务健康度 → 风险评估 → 生成投资报告
工具：搜索 + 财务数据API + 文件写入
完整代码见GitHub示例（篇幅限制省略）

常见问题

Q: Agent经常陷入循环怎么办？ A: 设置max_iter限制最大迭代次数，通常设为5-10就够。

Q: Agent之间沟通效率低怎么优化？ A: 让任务的expected_output更具体，Agent根据明确的输出格式传递信息更高效。

Q: 如何控制成本？ A: 简单Agent用gpt-4o-mini，复杂推理Agent用gpt-4o，管理Agent用更强的模型。