1.crew和flow的定义以及选择
crew:团队,更适合复杂和创造性更强的用例,强调自主性和协作智能优化 flow:流程,通过事件进行触发,有严格的执行决策路径,适合路径确定,有更高的安全需求的用例,强调细粒度,事件驱动的控制
一些核心概念
对于团队 crew,agent,process,task
对于流程
flow,事件,state(context),crew support
如何决策框架(Crew or Flow or Both)
在于理解应用的精确性和复杂性
复杂性-精确度矩阵详解
什么是复杂性？
在CrewAI应用的上下文中，复杂性指的是：
- 所需的不同步骤或操作数量
- 需要执行任务的多样性
- 不同组件之间的相互依赖关系
- 对条件逻辑和分支的需求
- 整体工作流程的复杂程度
什么是精确率？
精确度在此上下文中指的是：
- 最终输出所需的准确度
- 对结构化、可预测结果的需求
- 可重现性的重要性
- 每个步骤所需的控制级别
- 输出结果的容差范围
四个象限
1. 低复杂度，低精度
特性：
- 简单、直接的任务
- 对输出结果存在一定变化的容忍度
- 步骤数量有限
- 创意或探索性应用
推荐方法：使用最少智能体的简单Crews示例用例：
- 基础内容生成
- 创意头脑风暴
- 简单的摘要任务
- 创意写作辅助
2. 低复杂度，高精度
特性：
- 需要精确、结构化输出的简单工作流
- 需要可重现的结果
- 步骤有限但精度要求高
- 通常涉及数据处理或转换
推荐方法： 使用直接LLM调用的流程或具有结构化输出的简单Crews示例用例：
- 数据提取与转换
- 表单填写与验证
- 结构化内容生成（JSON、XML）
- 简单的分类任务
3. 高复杂度，低精度
特性：
- 包含多个步骤的多阶段流程
- 创意或探索性输出
- 组件间的复杂交互
- 对最终结果的差异容忍度
推荐方法：使用包含多个专业智能体的复杂Crew示例用例：
- 研究与分析
- 内容创作流水线
- 探索性数据分析
- 创造性问题解决
4. 高复杂度，高精度
特性：
- 需要结构化输出的复杂工作流
- 具有严格准确性要求的多重相互依赖步骤
- 需要复杂的处理和精确的结果
- 通常是关键任务应用
推荐方法： 通过验证步骤编排多个Crew的流程示例用例：
- 企业决策支持系统
- 复杂数据处理流水线
- 多阶段文档处理
- 受监管行业应用
决策
when crew: 协作智能;问题需要思考;任务为创意性或者分析性;重视适应性而非严格结构;输出格式具有灵活性
when flow: 执行过程需要精确控制;应用具有复杂的状态需求;需要结构化可预测的输出;工作流程设计逻辑条件;需要将人工智能和过程化代码相结合
when both: 复杂地多阶段流程;需要兼顾创意和结构的应用场景;企业级人工智能应用
2.打造高效的智能体
80/20法则:专注于任务而非智能体
80%的精力放在设计任务上,20%放在定义智能体上
设计的核心原则
1.角色-目标-背景故事框架
角色:智能体的专业职能: 具体专业;符合现实;包含领域专长
目标:智能体的目标和动机: 明确且以结果为导向;强调质量标准;纳入成功标准
背景故事:智能体的经验和视角 尽力专长和经验;定义工作风格和价值观;创造连贯的人格
2.专家优于通才
高度专注的智能体提供更加精确和更强相关性的输出
3.平衡专业化与多功能性
角色专业化,应用多功能化;避免过于狭隘的定义;考虑协作环境
4.设置适当的专家水平:
新手;中级;专家;世界级;
为你的智能体打造高效任务
高效任务的解剖结构
任务描述:过程
详细的执行说明;上下文和背景信息;范围和限制;需要遵循的流程步骤
预期输出:交付物
格式规范(js,md);结构要求;质量标准;优质输出的示例
1.单一目的,单一输出 2.明确输入和输出 3.包含目的和上下文 4.使用结构化输出工具
应该避免的常见错误:
1.任务说明不明确 2.试图做太多全能任务 3.描述与预期输出不匹配 4.你自己都不了解流程 5.过早使用层级结构 6.模糊胡总和通用的智能体定义
设计策略:
协作设计:
在一个crew中的agent: 互补技能;交接点;建设性的张力
创建专业的工具使用者
使agent适应LLM能力
测试和迭代智能体设计
1.从原型开始 2.使用样本任务测试 3.分析输出 4.优化定义 5.在协作中测试