目录

不是用多agent来模仿，而是用分层编排的方式来实现

CrewAI 的最佳使用方式并不是无处不在的代理，而是选择性的代理。

上手不难，但是有两个实际的限制需要牢记

最后一句

---

近两年来，很多团队在开发 Agent 系统的时候都会遇到同样的困境：把几个模型、几句提示语、一些工具拼凑起来就认为自己有了一个可以工作的“智能体协作”系统。跑 demo 很快，但是要进入生产环境却很难。造成这种情况的原因不是因为模型本身有问题，而是由于编排不当。

真正的矛盾在于：有的地方要让智能体自己决定，有的地方要控制、跟踪和恢复。前者追求的是灵活性，后者则要限定边界。大部分项目的失败就是因为在两种需求之间搞混了。

CrewAI的价值就在这里。

不是用多agent来模仿，而是用分层编排的方式来实现

按照官方的 Readme 所述，CrewAI 是一个开源的 Python 框架，用来创建生产级别的多智能体工作流程，并且既有高级别的抽象又有低级别的接口：

• • Crews：自治协作

• • Flows：进行精确控制

CrewAI 最重要的一点就是这个设计了。

Crew 的抽象非常接近真实的团队：许多代理，每个都有自己的角色、目标、工具和工作要完成一系列的工作。官方支持两种执行的方式：顺序和层次化，前者更适合线性的推进，而后者则是由经理代理来统筹安排并验证各个任务。

另外一种方法叫做 flow，它把系统做成结构化的、事件驱动的工作流，并用 @start() 来定义入口，@listen() 来连接后面的步骤，使用条件、路由、循环和分支来管理执行路径。flow 还有状态持久化的功能，默认的后端是 sqlite，可以恢复状态也可以分叉继续执行。

这表示CrewAI并没有只是简单地提倡“找来更多的代理人来聊天”，而是针对一个更加实际的问题做出了回答：

哪些事情可以由智能体来决定，而哪些事情则需要工作流收尾？

CrewAI 的最佳使用方式并不是无处不在的代理，而是选择性的代理。

这是我认为 CrewAI 最好的地方。

有人把多智能体看作一个放大器，认为Agent越多，系统的性能就越好。但是多Agent并不是天然地具有更快或者更可靠的特性，在增加Agent、任务和工具调用的同时也会使整个系统变得更慢、更难管理。

所以合理使用CrewAI的方法，并不是把整个系统都做成自组织协作，而是：

• • 让crew来做开放性推理

• • 把状态、条件、恢复和分支留到Flow中去处理

例如，分析、写作、评审等需要角色分工的工作用 Crew 很合适；而审批、路由、重试、状态延续等等工程性质比较强的部分则要放在 Flow 中。官方也表示可以将 Crew 视为 Flow 的一部分来使用。

给Agent系统安装上一道“安全网”，不是要降低它的智能水平，在正确的时机之下才使用它的能力。

上手不难，但是有两个实际的限制需要牢记

CrewAI 最新的发布版本号为 1.15.18，发布时间为 2026-08-27，所用的主要编程语言为 Python，并且遵循 MIT 许可协议，在使用时需要满足 Python 版本在 3.10 到 3.13 之间。

官方建议使用 uv 进行安装，命令为：

python3 --version

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

Windows：

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

安装 CLI：

uv tool install crewai

如果出现PATH警告的话：

uv tool update-shell

创建项目：

crewai create crew <project_name>

经典脚手架：

crewai create crew <project_name> --classic

安装并运行：

crewai install
crewai run

模型提供者的API密钥要放到.env文件里，如果有用到SerperDevTool的话还要加上SERPER_API_KEY。

但是更为重要的是两条边界意识：

效果、成本以及隐私都是由所选择的模型、工具、数据来源以及设置所决定的，并不是框架本身的能力就可以得到最好的结果。

2、JSON Crew项目也可以运行本地的Python程序
官方文档中已经说明了custom:<name>工具以及{"python":"module.attribute"}引用都会运行本地代码，所以只能使用来自可信任源的项目。

另外，在README中提到CrewAI默认情况下会进行匿名遥测，如果不希望这样做的话可以这样操作：

OTEL_SDK_DISABLED=true

最后一句

从今天的视角来看，拉开差距的是是否可以实现自治与确定性的分离，而不再是能不能多个角色协同工作了。

CrewAI 给出的答案非常明了，即由 Crew 来做思考的事情，而由 Flow 来做维持秩序的工作。

不是为了炫耀而起的名字，在多智能体进入生产之后最重要的一个抽象层次上。如果想要使 Agent 系统变得有用的话，并不是放任不管，而是要对它的自由加以适当的约束。

http://github.com/crewAIInc/crewAI

引入地址