粤ICP备17114055号
微信扫码
与创始人交个朋友
支持私有云部署
我要投稿
CrewAI 命令行创建与调试项目超简单。 核心内容： 1. 快速创建 CrewAI 应用的步骤 2. 选择大模型供应商的过程 3. 自动生成的项目文件与运行方式
CrewAI 提供了简单的命令行工具，可以帮助用户快速创建一个 CrewAI 应用。
整个过程非常丝滑。语法结构巨巨巨很简单：
crewai [COMMAND] [OPTIONS] [ARGUMENTS]
创建一个全新的 CrewAI 应用，包含如下几个主要的步骤：
只需要将 Terminal 切换到 crew 环境和工作路径下，输入该指令即可。
crewai create crew knowledge_example
系统显示让我们选择大模型供应商。这段时间我用惯了便宜又大碗的 DeepSeek，经过两轮选择后，惊喜的发现，CrewAI 支持 DeepSeek。
结果，当我开开心心的选择17，这家伙告诉我，没有 API keys。哎，算了， .env 文件，姐姐自己创建吧。
deepseek 大模型配置的.env文件格式参考如下，大家需要对应替换自己的 api-key。
DEEPSEEK_API_KEY= "替换成您的 api-key"
DEEPSEEK_API_BASE=https://api.deepseek.com/v1不过，CrewAI 的命令行创建 Crew 项目的效率是真高！
很快的，就可以在工作文件路径下看到这样的一系列文件夹和文件。
这个项目指令自动构建了一个项目需要的几个核心部分框架。包含：
开始之间，老样子，我们用 Cursor 打开项目文件夹，点开 README.md，看一下出厂设置。
开始是一些欢迎语句和安装方法，因为这一步咱肯定是完成的了，否则，也没办法通过命令行创建项目，这些就忽略。
接下来是最实用的初始化指南，我把过程和用途备注到注释里了。
### Customizing
**Add your `OPENAI_API_KEY` into the `.env` file** #创建.env文件，配置大模型 api-key
- Modify `src/knowledge_example/config/agents.yaml` to define your agents #定义代理
- Modify `src/knowledge_example/config/tasks.yaml` to define your tasks #定义任务
- Modify `src/knowledge_example/crew.py` to add your own logic, tools and specific args #添加代理工作逻辑、工具和特殊的参数
- Modify `src/knowledge_example/main.py` to add custom inputs for your agents and tasks
#定义和修改代理的input和output然后就是运行了
## Running the Project
To kickstart your crew of AI agents and begin task execution, run this from the root folder of your project:
```bash
$ crewai run
```
This command initializes the knowledge_example Crew, assembling the agents and assigning them tasks as defined in your configuration.
This example, unmodified, will run the create a `report.md` file with the output of a research on LLMs in the root folder.
但是，模板默认配置的 main.py 只定义了几个函数（run(), train(), replay(), test()），但没有实际调用这些函数。需要添加一个入口点来执行这些函数，修改 main.py，在文件的最尾端添加代码：
if __name__ == "__main__":
# 默认执行 run() 函数
print("Starting the program...")
run()
print("Program finished.")好了，试着跑一下。系统提示报错。提醒 api_key 应用没有设置成功。
这说明 deepseek llm 没有配置完成。在 main.py 函数里增加这段代码：
from langchain_openai import ChatOpenAI
from dotenv import load_dotenv
import os
# 加载环境变量
load_dotenv()
# 初始化 LLM，使用 Deepseek API
llm = ChatOpenAI(
api_key=os.getenv('DEEPSEEK_API_KEY'),
base_url=os.getenv('DEEPSEEK_API_BASE'),
model_name="deepseek/deepseek-chat",
temperature=0.7,
)好的，再执行一次。执行成功了。
以上就是使用 CrewAI 命令行创建一个完整项目框架，然后，再进行 llm 配置，实现 MultiAgents项目能成功跑通的全部介绍了。
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-01-22
怎么学习设计和训练一个大模型——也就是神经网络？
2025-01-22
使用 PydanticAI 框架快速构建 Multi-Agent 系统 - AI Agent 协作触手可及
2025-01-22
别再跟模型对话了，我找到了OpenAI o1的正确打开方式
2025-01-21
LLM 工程实战完全指南：从入门到精通的生产级实践
2025-01-21
Windsurf：在工程能力上进一步进化的Cursor
2025-01-21
Dify工作流自测: 上传文档一键生成双人对话播客
2025-01-20
对o1 pro思考过程的技术分析（2）
2025-01-20
对o1 pro思考过程的技术分析（1）
2024-09-18
2024-07-11
2024-07-11
2024-07-26
2024-07-09
2024-06-11
2024-10-20
2024-07-20
2024-07-12
2024-09-02
回到顶部