CrewAI

开源 Python 多 Agent 框架：用 Crews（角色化自主协作）与 Flows（事件驱动、可控流程）构建生产级工作流。

它是做什么的

官方定位：编排自主 AI Agent、构建复杂工作流的领先开源框架。架构刻意平衡自主与控制——Flows 是应用骨架：结构化、事件驱动，负责状态管理与执行控制；Crews 是 Flow 内的工作单元：由带角色、目标、背景故事与工具的 Agent 组成团队，协作完成 Flow 委派的复杂任务。官方建议生产就绪应用「两者一起用」：用 Flow 定义整体结构与逻辑，在需要创造力与协作的步骤触发 Crew。

Agent 可配置工具、记忆、知识、护栏与结构化输出等；项目可用 CLI 脚手架、JSONC/配置或纯 Python 定义。GitHub 说明其为独立框架，具备自有 Agent / Task / Crew / Flow / Tools 等原语。

语言生态：Python。
典型场景：多角色调研与内容流水线、需自主协作又要业务状态可控的自动化、带人工审核点的多步 Agent 系统。

要点

• Crews vs Flows：Crews 优化自主与角色协作；Flows 优化精确路径、状态与事件。短期 Demo 可只用 Crew；上生产倾向 Flow 包一层。
• 过程模型：任务支持顺序、层级等过程（详见 Tasks & Processes 文档），可加回调与 HITL。
• 与 LangGraph / AutoGen：CrewAI 强调「角色团队 + Flow 脚手架」心智模型；LangGraph 偏通用状态图运行时；AutoGen/AG2 偏对话式多 Agent。按团队是否自然用「角色/任务」描述业务来选。
• 独立于「必须先学 LangChain」：以官方独立框架表述为准；具体集成能力见当前文档。

适合谁

• 希望用「角色 + 任务 + 团队」描述业务，而不是先画底层状态机
• Python 团队，要快速搭多 Agent Demo，并演进到带 Flow 的结构
• 需要记忆、知识库、护栏与可观测性「开箱组合」的应用方

官方入口

• 文档
• Introduction
• GitHub
• 官网

建议怎么用

按 Quickstart 先跑一个最小 Crew（2～3 个角色、目标不重叠、Task 可验收）；验证工具调用与输出质量后，用 Flow 固化状态、分支与重试。生产打开护栏、限制迭代次数，并接入文档中的观测/企业部署选项（若使用）。避免无界「让 Agent 自己聊到停」而无终止条件。