给你的 AI 任务开个剧组会：CrewAI 用三个概念管住一群智能体

拍电影时，导演从不亲自又演又拍又录音——他组建剧组，把剧本拆成分镜，让合适的人各司其职。CrewAI 把这套片场哲学做成了 Python 开源框架：由巴西工程师 João Moura 于 2023 年底创建^[1]，用「智能体当演员、任务当分镜、Crew 当剧组」的三层抽象，让多个大模型驱动的角色按流程协作交付一份成果。它是目前上手门槛最低的多智能体编排框架之一，仓库 star 数已达数万量级（实时数据以 GitHub 为准），配套文档维护在 docs.crewai.com^[2]。

第一幕为什么是「剧组」：一张隐喻映射表

多智能体听起来玄乎，但换成片场语言立刻好懂。下面这张映射表覆盖了 CrewAI 的全部核心词汇——看懂它，就看懂了整个框架的世界观。

第二幕三层抽象：Agent、Task、Crew 拆开看

CrewAI 刻意把 API 表面做得极小。真正需要理解的就是下面三层，每层只有几个字段，但组合起来足以表达相当复杂的协作关系。

第三幕两种拍摄方式：顺场拍还是总监制盯场

同一个剧组，调度方式不同，成本与质量特性完全不同。CrewAI 内置两种流程，选错方式是新手最常见的踩坑点。

第四幕二十行代码，开机一部「双人剧」

下面是最小可运行的骨架：一位研究员加一位作者，先整理事实，再落笔成稿。把它贴进 Python 环境、配上模型密钥就能跑通，之后再逐步给角色挂工具。

from crewai import Agent, Task, Crew, Process

researcher = Agent(
    role="行业研究员",
    goal="收集并核实该赛道近一年的关键事实",
    backstory="十年科技媒体从业经验，只认一手来源。",
)
writer = Agent(
    role="专栏作者",
    goal="把研究结论写成一篇可读性强的中文短评",
    backstory="擅长把复杂概念讲给普通人听。",
)

t1 = Task(description="梳理该赛道近一年的大事",
          expected_output="要点式纪要", agent=researcher)
t2 = Task(description="基于纪要撰写一篇短评",
          expected_output="Markdown 成稿", agent=writer)

crew = Crew(agents=[researcher, writer],
            tasks=[t1, t2], process=Process.sequential)
result = crew.kickoff()

第五幕同台竞技：CrewAI、AutoGen、LangGraph 横评

多智能体赛道上另有两个高频名字：微软研究院系出身的 AutoGen，以及 LangChain 家族的图编排器 LangGraph。三者哲学差异很大，选型先看团队气质。

一句话总结差异：AutoGen 像圆桌会议，LangGraph 像流程图引擎，CrewAI 像剧组通告单。要快速验证一个多角色协作点子，CrewAI 的启动成本最低；要把流程钉死到每个分支，LangGraph 更让人安心。

第六幕什么活该交给剧组，什么活不该

多智能体不是万金油。下面这份清单按实战经验划分了甜区与雷区，开工前对号入座能省下大量试错 token。

第七幕三步开机：从安装到第一个成品

1. 装环境：建一个干净的 Python 虚拟环境后 pip install crewai，包已发布在 PyPI^[6]，版本兼容说明见文档。
2. 选演员、写分镜：从两三个 Agent 起步，认真打磨每句 backstory 与 expected_output——提示词质量决定八成的产出上限。
3. 开机并复盘：先用 sequential 跑通全流程看日志，再考虑加工具、上层级模式；每次只改一处变量，方便归因。

彩蛋问答关于 CrewAI 的六个高频疑问