使用CrewAI构建多智能体系统需五步：一、在agents.yaml中定义Agent角色、工具与LLM；二、在tasks.yaml中配置任务描述、输出格式及上下文依赖；三、在crew.py中组建Crew并设执行模式；四、用CLI创建项目结构并配置.env与YAML文件；五、运行crewai run执行并验证输出。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您希望使用CrewAI构建一个可协同工作的多智能体系统，但尚未明确如何组织角色、任务与团队结构，则可能是由于核心组件配置缺失或逻辑关系未对齐。以下是创建多智能体系统的具体方法：
一、定义智能体（Agent）角色与能力
每个Agent需具备明确的角色定位、目标导向和背景设定，以确保其行为风格稳定且任务执行聚焦。角色定义直接影响后续任务分配与协作质量。
1、在src/<project_name>/config/agents.yaml中为每个智能体声明role、goal与backstory字段。
2、为Agent指定可用工具，例如SerperSearchTool用于网络检索，或DirectoryReadTool用于本地文件读取。
3、通过llm参数绑定具体大模型实例，如使用OpenAI的gpt-4-turbo或本地Ollama模型，并在.env中配置对应API密钥。
二、拆解并配置任务（Task）
任务是驱动Agent执行动作的基本单元，必须清晰描述输入约束、期望输出格式及上下文依赖关系，从而支撑多步骤协作链路的形成。
1、在src/<project_name>/config/tasks.yaml中为每个任务设置description字段，明确说明所需完成的具体工作内容。
2、填写expected_output字段，强制规范输出结构，例如“包含5个章节标题与对应摘要的Markdown列表”。
3、将agent字段指向已定义的Agent名称，确保任务被正确分配；如需跨任务传递信息，可在context字段中引用上游任务变量名。
三、组建智能体团队（Crew）并设定流程
Crew是多个Agent与Task的容器，其核心作用在于协调执行顺序与交互方式，决定整个系统是以线性推进还是分层调度的方式运作。
1、在src/<project_name>/crew.py中导入Agent、Task与Crew类，实例化所有已配置的Agent与Task对象。
2、调用Crew()构造函数，传入agents列表与tasks列表，并通过process参数指定执行模式：Sequential（默认顺序执行）或Hierarchical（启用Manager Agent进行任务分发与审核）。
3、为Crew设置verbose=True以启用详细日志输出，便于追踪各Agent响应与中间结果。
四、初始化项目结构并注入配置
使用CrewAI CLI自动搭建标准化项目骨架，可避免手动创建目录与基础文件时出现路径或命名错误，提升配置一致性。
1、在终端运行crewai create crew <project_name>命令，系统将自动生成完整项目结构。
2、进入生成的项目目录，检查.env文件是否存在；若不存在，则手动创建并填入OPENAI_API_KEY、SERPER_API_KEY等必要密钥。
3、确认src/<project_name>/config/下agents.yaml与tasks.yaml文件已按实际需求完成编辑，且语法符合YAML规范（缩进严格、无tab混用）。
五、运行与验证多智能体系统
执行主程序将触发Crew实例化、Agent初始化、Task调度与LLM调用全流程，最终输出结果可直接查看或保存至指定文件路径。
1、在项目根目录下运行crewai run命令，控制台将提示输入主题参数（如“量子计算应用趋势”）。
2、观察各Agent依次启动的日志信息，重点关注task output是否符合expected_output中定义的格式要求。
3、若配置了output_file字段（如report.md），检查该文件是否在项目根目录下成功生成且内容完整。
