Андела спонсировала этот пост.
По мере того как ИИ-агенты становятся более способными, растет потребность в их оркестрации для решения реальных многоэтапных задач.
CrewAI — это платформа на основе Python, предназначенная для создания мультиагентных систем, в которых каждый агент имеет определенную роль и цель. Вот как можно построить автоматизированный конвейер создания контента, чтобы продемонстрировать, как CrewAI обеспечивает совместные рабочие процессы.
Независимо от того, создаете ли вы помощника по контенту, бота для исследования рынка или партнера по программированию, CrewAI позволяет легко автоматизировать сложные задачи с использованием больших языковых моделей (LLM).
Что такое CrewAI?
CrewAI — это легкая библиотека Python для разработки совместных ролевых агентов на базе LLM. Его архитектура вдохновлена реальными командными процессами, в которых разные роли специализируются на разных обязанностях.
Ключевые понятия
- Агент: Имеет уникальное имя, роль, цель и может опционально использовать инструменты.
- Задача: Конкретная инструкция, данная агенту, необязательно зависящая от другой задачи.
- Экипаж: Команда агентов и связанные с ними задачи, организованные вместе.
CrewAI идеально подходит для случаев, когда вы хотите, чтобы несколько агентов способствовали достижению общей цели, каждый из которых выполнял отдельные подзадачи.
Настройка среды
Требования
- Питон 3.9+
- Ключ API от OpenAI (или совместимого поставщика LLM)
Установка
pip install Creupai Langchain OpenAI
Переменные среды
экспортировать OPENAI_API_KEY=»ваш-ключ-здесь»
Или используйте файл .env и библиотеку python-dotenv.
Проектирование мультиагентного рабочего процесса
Давайте автоматизируем конвейер создания ИИ-контента с помощью следующих агентов:
Реализация агентов на Python
Шаг 1. Определите агентов
from Crewai import Agent Researcher = Agent( name=»Исследователь», role=»Аналитик тенденций AI«, target=»Определить последние тенденции в области искусственного интеллекта и машинного обучения на 2025 год», backstory=»Эксперт, опережающий технологические тенденции.» ) Writer = Agent( name=»Писатель», role=»Создатель технического контента», target=»Составлять интересные статьи для блога на технические темы», backstory=»Опытный технический писатель со талантом рассказывать истории.» ) editor = Agent( name=»Editor», role=»Content Quality Reviewer», target=»Редактировать контент для ясности, грамматики и стиля», backstory=»Опытный редактор онлайн-публикаций в области технологий.» Trends for 2025″, backstory=»Эксперт в том, чтобы опережать технологические тенденции.») Writer = Agent( name=»Писатель», role=»Создатель технического контента», target=»Составлять проекты интересных постов для блога на технические темы», backstory=»Опытный технический писатель с талантом рассказывать истории.») editor = Agent( name=»Editor», role=»Рецензент качества контента», target=»Редактировать контент с целью обеспечения ясности, грамматики и стиля», backstory=»Опытный редактор для онлайн-сервисов» технические публикации»).
Шаг 2. Определите задачи
from Crewai import Task Task1 = Task(agent=researcher,description=»Исследовать последние тенденции в области ИИ на 2025 год.») Task2 = Task(agent=writer,description=»Написать статью из 700 слов на основе исследования.») description=»Изучите последние тенденции в области искусственного интеллекта на 2025 год.»)task2 = Task(agent=writer,description=»Напишите статью из 700 слов на основе исследования.»)task3 = Task(agent=editor,description=»Отполируйте статью на предмет грамматики, тона и ясности.»)
Шаг 3: Соберите команду
из Crewai import Crew Crew = Crew(agents=[researcher, writer, editor]задачи=[task1, task2, task3]) Crew.kickoff() 1234 из Crew Импорт Crew Crew = Crew(agents=[researcher, writer, editor]задачи=[task1, task2, task3])crew.kickoff()
Запуск системы
Выполнение скрипта приведет к:
- Назначьте каждую задачу своему агенту.
- Передавайте результаты ниже по течению (исследования → написание → редактирование).
- Распечатайте окончательную доработанную статью на консоли или сохраните ее в файл.
Расширение с помощью инструментов и памяти
Вы можете улучшить своих агентов с помощью инструментов и памяти:
- Добавьте инструмент браузера для поиска в реальном времени.
- Используйте для памяти векторную базу данных, такую как Chroma или FAISS.
из langchain.tools import DuckDuckGoSearchRun search_tool = DuckDuckGoSearchRun() Researcher.tools = [search_tool]
1234 из langchain.tools import DuckDuckGoSearchRun search_tool = DuckDuckGoSearchRun()researcher.tools = [search_tool]
Другие варианты использования
CrewAI не ограничивается написанием задач. Вот еще несколько рабочих процессов:
- Квалификация ведущего: Исследователь → Старатель → Информационный посланник
- Запуск продукта: Аналитик рынка → Копирайтер → Планировщик социальных сетей
- Генерация кода: Писатель спецификаций → Разработчик Python → Рецензент кода
Проблемы и советы
- Держите подсказки ясными и структурированными.
- Контролируйте использование LLM, чтобы избежать ограничений по ставкам.
- Добавьте ведение журнала для отслеживания.
- Используйте .kickoff(verbose=True) для отладки.
Заключение
CrewAI обеспечивает модульность и возможности совместной работы для агентов LLM. Независимо от того, автоматизируете ли вы конвейеры контента или создаете интеллектуальных помощников, CrewAI предоставляет вам чистую абстракцию для оркестровки многоцелевых задач.
Andela предоставляет крупнейшую в мире частную рыночную площадку для талантов удаленных технологий, управляемую платформой на базе искусственного интеллекта для управления полным жизненным циклом найма по контракту. Andela помогает компаниям масштабировать команды и быстрее реализовывать проекты в специализированных областях: разработка приложений, искусственный интеллект, облако, данные и аналитика. Узнайте больше Последние новости от Анделы ТЕНДЕНЦИОННЫЕ ИСТОРИИ YOUTUBE.COM/THENEWSTACK Технологии развиваются быстро, не пропустите ни одной серии. Подпишитесь на наш канал YouTube, чтобы смотреть все наши подкасты, интервью, демонстрации и многое другое. ПОДПИСАТЬСЯ Группа, созданная в Sketch. Дивья Награт — бэкэнд-инженер и технолог в Andela, глобальном частном рынке талантов. Уделяя особое внимание оптимизации производительности системы с помощью передовых стратегий кэширования, оптимизации запросов и методов распределенных вычислений, Дивья обладает высокой квалификацией в проектировании… Подробнее от Дивья Награт
