#CrewAI 简介

#CrewAI 是什么？

CrewAI 是编排自主 AI Agent、构建复杂工作流的开源框架。它把两类能力合在一起：

• Flows：应用的骨架。结构化、事件驱动，负责状态与执行控制。
• Crews：骨架里的工作单元。由角色扮演 Agent 组成的团队，协作完成 Flow 委派的任务。

官方建议：任何生产级应用都从 Flow 开始。用 Flow 定义整体结构、状态与逻辑；当某一步需要「一队 Agent 自主协作」时，再在该步骤里触发 Crew。

编码 Agent（Cursor、Claude Code、Codex 等）可安装官方 Skills：

npx skills add crewaiinc/skills

文档索引：docs.crewai.com/llms.txt、skills.crewai.com。

#架构：Flows 管控制，Crews 管智能

┌─────────────────────────────────────────────────────────┐
│  Flow（骨架：状态、事件、分支、持久化）                    │
│    @start → @listen / @router → 下一步                   │
│         │                                               │
│         ▼                                               │
│    Crew.kickoff()（角色扮演团队）                         │
│         Agent(role, goal, backstory, tools)             │
│         Task(description, expected_output)              │
│         Process.sequential | hierarchical               │
└─────────────────────────────────────────────────────────┘

一起工作： Flow 启动并维护状态 → 把复杂任务交给 Crew → Agent 协作完成 → 结果写回 Flow → Flow 继续。

#何时用 Crew、何时用 Flow

短答案：两者一起用。

不要一上来只堆很多 Agent。先把可预测的步骤画成 Flow，再把「需要判断与工具循环」的那一段交给 Crew。

#与 LangChain / LangGraph、LlamaIndex

选型建议：

• 要 「研究员 / 写作者 / 审稿人」式分工 → CrewAI
• 要 细粒度图、检查点、Middleware → LangChain（尤其 LangGraph）
• 以 文档索引 / 查询 为主 → LlamaIndex，需要时用 LlamaIndexTool 接到 Crew
• 只关心切块、向量库、评估 → RAG 教程

三者可以组合，不必互斥。

#核心对象一览

新 CLI 项目默认 JSON-first：agents/*.jsonc + crew.jsonc。本教程以 Python API 讲清对象；脚手架命令见 安装。

#适用与谨慎

适合： 多角色协作、带工具的调研写作、需要状态机 + 自主团队的后端自动化。

需谨慎： 单次 Prompt、无工具、无状态 → 直接调 Chat API；强实时低延迟 → 注意多 Agent 的 token 与延迟；层级流程务必配好 manager。

#下一步

• 安装与环境
• 快速上手
• Flows 工作流