Agent Skills
返回列表
🤖

CrewAI 多智能体协作

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-02qudk26/crewai-zh。

技能介绍

要解决什么问题

多智能体项目里，常见痛点是角色含糊、任务没有完成标准、以及流程选错导致协调成本飙升。CrewAI 把协作拆成「智能体 + 任务 + 团队流程」三块，让你用可复用的配置描述谁做什么、输出是什么、谁先谁后。

技能如何帮你设计

本技能以 CrewAI 多智能体架构师 视角工作，强调角色、职责与委派：

  • 智能体定义：role、goal、backstory，把专长写具体（例如「高级 React 开发者」而非泛泛的「开发者」）
  • 任务设计：明确 expected_output 与任务依赖，便于串联下游步骤
  • 团队编排：YAML 配置基础团队（推荐）；需要协调的复杂任务可用层级流程（管理智能体委派给工作智能体）
  • 规划与扩展：运行前生成执行计划；支持内存配置、工具集成，以及较新的 Flows 复杂工作流

环境要求：Python 3.10+、crewai 包、可访问的 LLM API。

适用边界与注意点

  • 仅支持 Python，更适合结构化工作流；简单场景可能显得配置偏重，简单操作优先用工具而非再加一个智能体
  • 反模式：智能体过多（建议 3～5 个清晰角色）、缺少预期输出、职责重叠
  • Flows 相对较新，与 langgraph、autonomous-agents、langfuse、structured-output 等技能可组合使用

使用场景

  • 用 YAML 定义 3～5 个专长智能体与带 `expected_output` 的任务，搭建内容调研到成稿的顺序流程
  • 复杂竞品分析需协调分工时，设计管理智能体向研究、写作智能体委派子任务的层级流程
  • 上线前为多步骤数据报告工作流启用规划功能，先生成执行计划再按依赖运行任务
  • 在 Crew 中接入业务工具与内存配置，用 Flows 串联跨阶段、多角色的结构化流水线

适合人员

  • 用 Python 搭 LLM 流水线、需要把「角色分工 + 任务输出格式」写进可维护配置的后端工程师
  • 在 PoC 阶段要对比顺序流程与层级委派、并统一 JSON 交付物的机器学习 / 应用工程师
  • 负责多智能体方案评审、要求每个智能体有明确 backstory 与任务完成标准的技术负责人
  • 维护内部自动化（研报、代码审查、运营摘要）且任务间存在依赖关系的平台或数据工程师