跟着我的步骤，轻松打造出 AI 智能体

AI程序猿人

墨衍会员 · AI 创作全网分发码龄3年

关注

原创最新推荐文章于 2026-07-15 14:31:54 发布 1.6k 阅读 AI 写同款· GEO 优化 ›

CrewAI 创建 AI 智能体快速入门指南您可以创建自定义工具以扩展智能体功能。name: str = "文件读取工具"description: str = "根据文件路径读取文件内容"..., 阅读详情

前言

crewAI 是一个开源框架，可以编排角色扮演的 AI 智能体，通过促进协作使这些 AI 智能体无缝衔接，处理复杂问题。

本文采用的 crewAI 版本为 v0.22.5，废话不多说，直接盘它。

安装

pip install crewai

如果原来已经安装过，可以使用如下命令进行更新：

pip install --upgrade crewai

创建项目

v0.22.5 版本已经支持使用命令 crewai create 项目名称 创建项目。

例如，我们的本地工作目录为 PythonProjects，要创建的项目为 crewai_labs，就可以这样进行安装：

cd PythonProjects

crewai create crewai_labs

执行成功，结果如下所示：

Creating folder crewai_labs...
  - Created crewai_labs/.gitignore
  - Created crewai_labs/pyproject.toml
  - Created crewai_labs/README.md
  - Created crewai_labs/src/crewai_labs/__init__.py
  - Created crewai_labs/src/crewai_labs/main.py
  - Created crewai_labs/src/crewai_labs/crew.py
  - Created crewai_labs/src/crewai_labs/tools/custom_tool.py
  - Created crewai_labs/src/crewai_labs/tools/__init__.py
  - Created crewai_labs/src/crewai_labs/config/agents.yaml
  - Created crewai_labs/src/crewai_labs/config/tasks.yaml
Crew crewai_labs created successfully!

安装项目依赖

根据生成文件 crewai_labs/README.md 中说明安装即可。

在这里插入图片描述

确保系统上安装了 Python 版本在 3.10 到 3.13 之间；
项目使用 Poetry 进行依赖管理；

pip install poetry

poetry.lock 文件

cd crewai_labs

poetry lock

安装依赖

cd crewai_labs

poetry install

新增 .env 文件

// 框架默认使用的是 GPT-4，后面会讲解如何自定义配置 LLM

OPENAI_API_KEY=xxx

项目运行

cd crewai_labs

poetry run crewai_labs

输出信息：

// 信息太多，我就不贴了，如果出现了错误，能一眼就能看出发生了错误。

官方示例在未修改的情况下，运行完毕后会在项目根目录创建一个名为 report.md 的文件，内容是关于大型语言模型（LLMs）研究的输出结果。

我本地运行成功后生成的 report.md 内容如下：


## Introduction
AI LLMs are machine learning models that use large volumes of data to understand and generate human language. They are increasingly being used across a wide range of industries, transforming how we translate languages, create content, analyze data, and more. Recent developments, like OpenAI's GPT-3, have resulted in models capable of generating contextually relevant texts and performing tasks such as translating languages, writing essays, answering trivia questions, and even writing poetry.

## Specific Use Cases
AI LLMs are being deployed across various sectors, each with unique applications. In healthcare, they are used for predicting patient outcomes, diagnosing diseases, and personalizing treatment plans. Finance sees its utilization for fraud detection, credit scoring, and algorithmic trading. Meanwhile, the retail sector leverages AI LLMs for demand forecasting, customer segmentation, and personalized marketing. Notably, in the automotive industry, they are integral to the development of autonomous vehicles.

## Ethical Concerns
Despite the advantages, AI LLMs present a range of ethical challenges and bias concerns. AI systems may perpetuate existing biases if trained on biased data, leading to unfair outcomes in applications like hiring or lending. Privacy concerns also exist, as AI systems often require access to large amounts of data, potentially including sensitive personal information. Accountability issues arise as well, as it can be challenging to determine responsibility when an AI system causes harm.

## Future Trends
The future of AI LLMs technology is promising. Current trends point towards more transparent AI systems that can explain their decisions, a concept known as explainable AI. There is also a growing interest in federally learning, allowing AI models to learn from decentralized data sources while preserving privacy. Research is also underway to improve the efficiency of AI models, enabling them to provide more accurate predictions with less data and computational resources.

## Market Analysis
The AI LLMs market is competitive, with key players like IBM, Google, Amazon, and Microsoft at the forefront. These companies compete based on the accuracy of their AI models, diversity of applications, and user-friendly interfaces. Partnerships are also a common strategy to enhance offerings, such as IBM's collaboration with Apple to develop healthcare applications.

## Notable Achievements
There have been many groundbreaking achievements in AI LLMs. Google's AI model, AlphaGo, defeated the world champion in the game of Go, signifying a significant milestone in AI development. OpenAI's GPT-3 has showcased impressive capabilities in natural language understanding and generation. In the medical field, several models have demonstrated performance on par with or superior to human experts for medical diagnoses.

核心文件

src/crewai_labs/config/agents.yaml，在这里定义 Agents。
src/crewai_labs/config/tasks.yaml，在这里定义 Tasks。
src/crewai_labs/crew.py，在这里定义自己的逻辑、工具和参配。
src/crewai_labs/main.py，在这里定义自己的输入信息。

每个文件的内容，都比较简单，大家可以看一下 ~

主要做了一件什么事？输入一个{主题}（框架中默认主题为：AI LLMs），然后输出一份报告。

框架定义了两个 Agent：

研究人员

角色：{主题} 高级数据研究员
目标：揭示{主题}领域的前沿发展
背景：您是一位经验丰富的研究员，擅长发掘{主题}领域的最新进展。您以能够找到最相关的信息并以清晰、简洁的方式呈现而闻名。
任务：对{主题}进行全面研究确保在2024年当前的情况下，找到任何有趣且相关的信息。
预期输出：一个包含关于{主题}最相关信息的10个要点的列表。

报告分析师

角色：{主题} 报告分析师
目标：根据{主题}数据分析和研究发现创建详细报告
背景：您是一位注重细节的分析师，对细节有敏锐的洞察力。您以将复杂数据转化为清晰、简洁的报告而闻名，使他人能够轻松理解和根据您提供的信息采取行动。
任务：审查你所获得的背景信息，并将每个主题扩展成一个报告的完整部分。确保报告详细且包含所有相关信息。
预期输出：一份完整的报告，包含主要主题，每个主题都有一个完整的信息部分。以markdown格式呈现，不使用 ‘```’ 符号。

这的核心是提示词！在 .yaml 文件中，按照规范定义提示词即可。

小结

看到这，估计大家都有了自己的想法，知道 crewAI 框架到底是干什么的了。它可以使 AI 代理能够承担角色，可以共享目标，就像一个精密运作的团队一样，共同为一个目标而努力。

个人认为，多智能体协作平台做出的东西可以颠覆目前很多的单智能体应用，好好进行任务编排，大有可为。

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

下面这些都是我当初辛苦整理和花钱购买的资料，现在我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍!

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

四、AI大模型各大场景实战案例

在这里插入图片描述

五、AI大模型面试题库
在这里插入图片描述

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求：大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能，学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉 福利来袭优快云大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。