Crewai：多智能体协作自动化专家

8. 财务对比分析（海尔智家 vs 美的集团，这里已经默认对美的公司的财务信息分析完了，但是不用输出具体的分析结果，只需要输出海尔与美的对比的部分）；请你根据上面的分析报告框架帮我定义所需要的agents、并且赋予每一个agent它们所对应的任务（Tasks），并且通过配置deepseek作为llm，Crewai_tools工具方面我需要配置一个SerperDev_tool作为搜素引擎，并且最终我

พรดีส

1710人浏览 · 2025-03-23 15:48:56

พรดีส · 2025-03-23 15:48:56 发布

引言

AI 代理正在成为改变游戏规则的因素，迅速成为解决问题、创造和创新的合作伙伴，而这正是 CrewAI 的作用所在。CrewAI 代表了 AI 代理的转变，它提供了一个基于多功能性和效率的薄框架，利用协作和角色扮演。它是工程师和创意人员的工具，使 AI 代理能够无缝组装成有凝聚力、高效的团队。接下来就让我们来了解一下什么是Crewai，以及怎么实现Crewai的快速上手。

一、介绍

1.究竟什么是CrewAI ？

CrewAI 是一个用于编排角色扮演 AI 代理的框架。它允许开发人员创建一个由 AI 代理组成的“团队”，每个代理都有特定的角色和职责，以共同完成复杂的任务。该框架对于构建协作式 AI 系统特别有用，这些系统可以解决需要不同专业知识和协调工作的多方面问题。

2.CrewAI 的核心组件：

代理：Agents。这些代理就像你专门的团队成员，每个人都有自己的角色、背景故事、目标和记忆；
工具：Tools。工具是智能体在执行任务时使用的设备或资源，用于辅助完成任务，例如数据检索工具、文本生成工具等；
任务：Tasks。给定代理应完成的小型且集中的任务；
流程：Process。这是工作人员完成任务所遵循的工作流程或策略；
团队：Crew。代理、任务和流程相遇的地方，这是工作发生的容器层，是智能体协调合作执行任务的实际场所，智能体在团队中共同完成实际任务。

3.那为什么要使用Multi-agents ？

下面两个图是在吴恩达关于Crewai教程视频中截取，很好的说明了单_Agent与多_Agent的区别：

3.1.复杂任务分解能力

单智能体：受限于单一模型的知识边界，难以同时处理跨领域任务（如法律 + 财务 + 技术合规审查）
多智能体：通过角色分工（法律专家代理 + 财务分析师代理 + 技术顾问代理），实现多专业领域深度协作

3.2.并行处理效率

单智能体：需要完成多次的线性步骤来完成最终任务（如市场分析→报告撰写→方案设计）
多智能体：可同时进行数据收集、模型训练、文案创作等并行任务，效率提升 3-5 倍

3.3.专业化质量提升

单智能体：通用模型在特定领域表现受限（如代码生成不如专业编码代理）
多智能体：

角色定制化（代码审查代理可配置特定语言规则）
工具专业化（数据分析代理可直连 SQL 数据库）
知识迭代（各领域代理独立更新知识库）

3.4.成本优化

单智能体：需调用高价通用模型处理所有任务
多智能体：

混合模型策略（低成本模型处理基础任务 + 高价模型处理关键步骤）
任务拆分降低 token 消耗（数据检索用开源模型，最终决策可采用 deepseek大模型）

二、安装

1.安装 Python：确保系统上安装了 Python，版本需在 3.10 到 3.13 之间。

2.本地安装 CrewAI 框架依赖

打开 PowerShell。
运行下面的命令：

conda init powershell

注释：这将初始化 Conda，使其能够在 PowerShell 中使用。

重新打开 PowerShell 窗口
验证初始化是否成功：

conda --version

激活虚拟环境：

conda activate crewai-env

3.安装Crewai：

运行以下命令安装crewai和 crewai_tools

pip install crewai -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install crewai-tools -i https://pypi.tuna.tsinghua.edu.cn/simple

4.验证是否安装成功：

pip freeze | findstr crewai

5.预期结果：

至此，CrewAI 框架依赖就安装好了，接下来我们将以一个能”快速入手“的例子来介绍一些crewai的使用。

三、快速入门（以儿童绘本故事为例）

第一步：明确我们的需求：

Prompt：

1.我们只提供一个主题：由第 1 个智能体根据主题产出绘本故事的构思内容，然后由第 2 个智能体根据第 1 个智能体的构思内容，产出故事内容。

2.因此，我们需要有 2 个智能体（即：需要定义 2 个角色），分别是：故事内容构思者，和故事内容协作者；他们各自都有一个任务，分别是：产出故事内容构思，和根据构思编写故事。

这里我们可以利用“Mermaid”工具来生成一个流程图：

第二步：引入CrewAI核心模块类，同时配置大模型：

第三步：创建代理：

代理通过 Agent 类进行定义。以下是示例代码：

参数解析

参数	描述
role	代理的角色或职能，例如“研究员”或“作家”。
goal	代理的主要目标，例如完成研究或撰写文章。
backstory	代理的背景故事，赋予个性化特征。
allow_delegation	是否允许代理将任务委派给其他代理。
verbose	是否启用详细日志输出。
tools（本例中未使用）	可供代理使用的工具列表。
memory（本例中未使用）	是否允许代理记住任务执行的上下文。

常见问题：

1.Tools种类

2.使用 verbose=True 参数

在创建代理时设置 verbose=True，可以让代理在运行过程中输出详细的执行日志。这些日志包括：

任务启动和完成的时间点。

调用的工具名称及其执行结果。

代理之间的交互（例如任务委派、结果传递）。

3.启用 memory=True 参数

设置 memory=True 可让代理记住任务上下文，帮助分析代理在多步任务中的决策路径。例如：

查看代理如何利用前一个任务的输出完成后续任务。

复现复杂任务链的执行顺序。

第四步：定义每个智能体的任务

上面我们定义了 2 个智能体角色，现在给他们分别定义 1 个任务，以下示例展示了如何创建任务：

参数解析

参数	描述
description	任务的具体描述，例如“分析 AI 的最新进展”。
expected_output	任务的期望输出，例如一份报告或文章。
agent	执行该任务的代理。

第五步：让智能体和任务协同工作

智能体是按照顺序执行任务的，上一个任务的输出，会被作为下一个任务的输入。特别注意：我们提供了topic上下文参数，它在智能体和任务中可以通过{topic}使用。

最终输出结果：

执行日志：

调用的工具名称及其执行结果。
代理之间的交互（例如任务委派、结果传递）

内容部分生成

最终以Markdown的格式输出：

例子总结

通过以上示例，我们了解了 CrewAI 的三个核心模块：Agent智能体，Task任务，Crew团体。

四、应用实战

通过上面让我们”快速上手“的例子，我们初步了解了Crewai框架的重要因素，接下来让我们将其运用到金融领域，来一个实战，来写一个“年报分析智能体”：

首先，我们需要交给AI大模型提示词，利用它来帮助我们写代码：

Prompt：

我想要搭建一个Crewai的代码，请你帮我编译python代码用来对2023年海尔智家有限公司的年报进行分析，其中还要分析2023年美的公司的年报（作为对比例子），我想要的分析报告的框架是：

1. 财务报表分析（只对海尔）； 2. 财务比率计算（只对海尔）； 3. 时间序列分析（只对海尔）； 4. 公司治理分析（只对海尔）； 5. 市场表现分析（只对海尔）； 6. 业务模式与行业分析（只对海尔）； 7. 增长能力分析（只对海尔）； 8. 财务对比分析（海尔智家 vs 美的集团，这里已经默认对美的公司的财务信息分析完了，但是不用输出具体的分析结果，只需要输出海尔与美的对比的部分）；

9.同行业平均水平对比；

10.结合上面的所有输出内容对海尔公司2023年的年报进行总结与对未来的展望，这里要求输出的内容需要非常详细，至少300字以上。

请你根据上面的分析报告框架帮我定义所需要的agents、并且赋予每一个agent它们所对应的任务（Tasks），并且通过配置deepseek作为llm，Crewai_tools工具方面我需要配置一个SerperDev_tool作为搜素引擎，并且最终我需要你以Markdown的格式输出最终的年报分析结果。需要分析的两个文件我分别保存的本地地址为：

"海尔智家": r"C:\mk_agents\海尔智家股份有限公司2023年年度报告.pdf",

"美的集团": r"C:\mk_agents\美的集团股份有限公司2023年年度报告.pdf"

根据上面的描述，我们也可以利用“Mermaid”工具来生成一个“多分支流程图”：

根据上面的提示词，AI大模型生成了一份python代码和report_template.md(报告模板)

代码中第一步仍然是配置环境、LLM和Tool的初始化：

下面，我们一步一步来解析代码中运用到的Crewai的核心组件：

1.Agents（代理）和Tasks（任务）

在提供的代码中，一共定义了 11 个代理（Agent），分别对应不同的分析任务。以下是每个代理的名称和功能说明，还有它们所需要完成的Tasks：

代理名称	描述	任务
file_parser	文件解析器	解析本地 PDF 年报文件，提取文本和表格数据
haier_financial_statement_analyzer	海尔财务报表分析器	对海尔智家财务报表进行详细分析
haier_financial_ratio_calculator	海尔财务比率计算器	计算海尔智家关键财务比率（如资产净利率、毛利率）
haier_time_series_analyzer	海尔时间序列分析器	对海尔智家财务指标进行时间序列分析
haier_corporate_governance_analyzer	海尔公司治理分析器	分析海尔智家公司治理结构和行业对比
haier_market_performance_analyzer	海尔市场表现分析器	分析海尔智家市场表现（未实现具体逻辑）
haier_business_model_analyzer	海尔业务模式与行业分析器	分析海尔智家业务模式与行业趋势（未实现具体逻辑）
haier_growth_ability_analyzer	海尔增长能力分析器	分析海尔智家增长能力（未实现具体逻辑）
financial_comparison_analyzer	财务对比分析器	对比海尔智家与美的集团的财务状况（如资产净利率）
summary_and_outlook_generator	总结与展望生成器	使用大模型生成详细总结与展望
report_generator	报告生成器	生成 Markdown 格式的年报分析报告

2.Tools（工具）

在提供的代码中，主要使用的工具是SerperDevTool，它的作用是通过 Serper.dev 搜索引擎获取行业数据（如家电行业财务指标平均水平）。

3.Crew（团队）

Crew 团队在代码里扮演着核心角色，它将多个代理和任务组织起来，实现了对海尔智家年报分析任务的自动化执行。通过合理配置 agents、tasks、llm 和 verbose 参数，能够确保任务顺利执行并输出最终的分析报告。

接下来，我们可以看到终端输出的执行日志如下：

最后，会输出成一个Markdowm格式的文本：

小结：Crewai 运用的关键要素

1.代理（Agent）的定义与作用

多样性的代理角色：定义了 11 个不同角色的代理，涵盖文件解析、财务分析、市场分析、报告生成等多个领域。每个代理都有明确的角色、目标和背景故事，例如 “专业文件解析员” 负责解析 PDF 文件，“海尔财务报表分析专家” 专注于分析海尔智家的财务报表。
工具集成：部分代理集成了 SerperDevTool 工具，用于获取行业相关数据，如家电行业的财务指标平均水平。这体现了 Crewai 对工具集成的支持，使代理能够借助外部资源完成任务。

2.任务（Task）的配置与依赖管理

任务的详细配置：为每个代理配置了相应的任务，每个任务都有明确的描述、预期输出和执行函数。例如，file_parser_task 的预期输出是包含各公司文本和表格数据的字典，通过 file_parser_task_function 函数实现文件解析。
任务依赖关系：通过 Task 的 input 参数传递前置任务的输出结果，实现了任务之间的依赖管理。例如，haier_financial_ratio_calculator_task 依赖于 haier_financial_statement_analyzer_task 的输出，确保了任务按正确顺序执行。

3.团队（Crew）的创建与任务执行

团队的组建：将所有代理和任务整合到 Crew 团队中，同时指定使用的大语言模型（LLM）和日志输出级别。通过 Crew 团队，实现了对多个代理和任务的集中管理。
任务执行：调用 crew.kickoff() 方法启动任务流程，Crew 会自动处理任务之间的依赖关系，按顺序执行各个任务，并最终输出分析结果。