概述:

带有特定技能,专业知识和职责的专业团队成员

智能体的属性:

最基本的三个 Role,Goal,Backstory 后续全为可选,请自行查阅官网

创建智能体

两种方法: YAML配置(推荐)和直接在代码中定义

YAML配置(推荐)

在代码中使用YAML配置,需要创建一个继承自CrewBase的工作组类

直接代码定义

实例化Agent类直接在代码中创建智能体

参数详情:

关键参数

• role, goal 和 backstory 是必填项，决定了智能体的行为。
• llm 确定使用的语言模型（默认：OpenAI 的 GPT-4）。

记忆与上下文

• memory: 启用以保持对话历史。
• respect_context_window: 防止 Token 限制问题。
• knowledge_sources: 添加特定领域的知识库。

执行控制

• max_iter: 给定最佳答案前的最大尝试次数。
• max_execution_time: 超时时间（秒）。
• max_rpm: API 调用速率限制。
• max_retry_limit: 错误重试次数。

代码执行

allow_code_execution 和 code_execution_mode 已弃用。CodeInterpreterTool 已从 crewai-tools 中移除。请使用如 E2B 或 Modal 等专用沙箱服务进行安全的代码执行。

• allow_code_execution (已弃用): 此前通过 CodeInterpreterTool 启用内置代码执行。
• code_execution_mode (已弃用): 此前控制执行模式（"safe" 用于 Docker，"unsafe" 用于直接执行）。

高级功能

• multimodal: 启用多模态能力以处理文本和视觉内容。
• reasoning: 启用智能体在执行任务前反思并制定计划。
• inject_date: 自动将当前日期注入任务描述中。

模板

• system_template: 定义智能体的核心行为。
• prompt_template: 构建输入格式。
• response_template: 格式化智能体响应。

智能体工具

可以使用CrewAI和LangChain工具包

智能体记忆和上下文

上下文窗口管理

上下文窗口管理的工作原理

由respect_context_window控制

when context window is too large, 1.自动摘要内容(参数为true) 2.停止执行并且报错(参数为false)

大数据量的替代方案

1.RAG工具

2.使用知识源

上下文窗口最佳实践

1. 监控上下文使用: 启用 verbose=True 以查看正在运行的上下文管理。
2. 高效设计: 构建任务以最小化上下文积累。
3. 使用合适的模型: 选择上下文窗口适合任务的 LLM。
4. 测试两种设置: 尝试 True 和 False，看看哪种更适合你的用例。
5. 结合 RAG 使用: 对于超大数据集，使用 RAG 工具而不是完全依赖上下文窗口。

使用Kickoff()进行直接智能体交互

工作原理:

kickoff()允许你直接向智能体发送消息获取回复

参数和返回值

message;response_format

工具:可调用函数 MCP服务器 应用:平台集合 技能:skills 知识:检索事实

分类

行动能力(Tools,MCPs,Apps)

赋予了代理做事的能力

背景能力(Skills,Knowledge)

会修改代理的提示词

对比表