CrewAI
面向多智能体协作与工作流编排的框架，用 Agent、Task、Crew、Flow 表达角色分工和流程控制。
#tech / ai
#resource / crewai
#type / resource
#status / growing
[!info] related notes
- 相关主题: 多 Agent 编排模式, Agentic Workflow Patterns, Orchestration
- 相关 MOC: AI MOC, Agent MOC, Python 大模型应用开发 MOC
- 相关资源: langchain, langgraph
- 关系笔记: LangChain、LangGraph 与 CrewAI 的定位对比
CrewAI
这是什么
CrewAI 是一个更偏多智能体团队协作和 workflow 编排的框架。它不是把重点放在“单个 agent loop”上，而是用角色、任务、团队和流程来表达多阶段工作。
它在系统里主要管什么
CrewAI 的核心心智模型通常是：
- Agent：一个有角色、目标、工具和行为风格的执行体
- Task：一份带验收标准的任务说明
- Crew：多个 agent 和 task 组成的协作单元
- Flow：负责状态、顺序、事件、分支和整体流程控制
这个抽象特别适合把“研究员 -> 分析师 -> 写作者 -> 审稿人”这类协作链表达清楚。
为什么它和普通多 Agent 说法不一样
很多人说“多 agent”时，其实只是让多个模型互相聊天。CrewAI 更强调：
- 角色边界
- 任务边界
- 流程边界
- 状态和事件驱动的外层控制
也就是说，它的重点不是“越多 agent 越聪明”，而是让多阶段协作更容易被组织和落地。
常见用途
- 自动研究报告
- 竞品分析或市场情报流水线
- 多角色内容生产
- 需要 manager / specialist 分工的自动化任务
使用边界
- 如果任务本身更适合单 agent，强行拆多角色往往只会增加 token 成本
- 角色设定本身不是价值，真正价值来自任务分解、上下文隔离和可验收输出
- 生产环境通常仍然需要外层流程控制，而不是完全放任 agent 自由协作