Self Evolve 开始阅读
Project report / GitHub evidence

CrewAI: 快速灵活的多智能体自动化框架

这是可索引项目报告证据页：它保留 CrewAI: 快速灵活的多智能体自动化框架 的源材料入口、机制线索和限制提醒；正文仍需 reader/editor 与 academic public-copy review 后才能当作最终结论引用。

报告索引 项目索引 Markdown source

CrewAI: 快速灵活的多智能体自动化框架

基本信息

字段内容
GitHubhttps://github.com/crewAIInc/crewAI
Star30k+
技术栈Python, 完全独立实现（不依赖 LangChain 或其他框架）
许可证MIT
安装pip install crewai
产品CrewAI Cloud, Crew Control Plane

项目简介

CrewAI 是一个从零构建的轻量级、高性能多 Agent 自动化框架。与 LangChain 等框架完全独立，提供高层简洁性和底层精确控制的双层 API。

核心理念：Crew + Flow 双架构

100,000+ 开发者通过官方课程认证。

目录结构

crewAI/
├── src/crew/                # 核心源码
│   ├── crew.py              # Crew 类（Agent 团队编排）
│   ├── agent.py             # Agent 类
│   ├── task.py              # Task 类
│   ├── process/             # 流程编排
│   │   ├── process.py       # 流程基类
│   │   ├── sequential.py    # 顺序执行
│   │   └── hierarchical.py  # 层级管理
│   ├── tools/               # 工具系统
│   ├── memory/              # 记忆系统
│   │   ├── short_term/      # 短期记忆
│   │   ├── long_term/       # 长期记忆
│   │   └── entity/          # 实体记忆
│   ├── knowledge/           # 知识管理
│   ├── cli/                 # CLI 工具
│   └── utilities/           # 工具函数
├── tests/                   # 测试
├── docs/                    # 文档
└── pyproject.toml           # Python 包配置

核心模块分析

1. Agent-Crew-Task 三层架构

from crewai import Agent, Task, Crew

# 定义 Agent
researcher = Agent(
    role="研究分析员",
    goal="发现关于 {topic} 的新技术和趋势",
    backstory="你是一位经验丰富的技术研究员",
    tools=[search_tool, web_scraper],
    memory=True,  # 启用记忆
)

# 定义 Task
research_task = Task(
    description="研究 {topic} 的最新发展",
    expected_output="包含5个关键发现的报告",
    agent=researcher,
)

# 组建 Crew
crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    process=Process.sequential,  # 或 hierarchical
)

result = crew.kickoff(inputs={"topic": "Self-Evolving AI"})

2. 双架构模式

Crews（协作模式）：

Flows（编排模式）：

from crewai import Flow, listen, start

class ResearchFlow(Flow):
    @start()
    def generate_topic(self):
        return {"topic": "AI Self-Evolution"}

    @listen(generate_topic)
    def research(self, inputs):
        crew = ResearchCrew()
        return crew.kickoff(inputs)

flow = ResearchFlow()
result = flow.kickoff()

3. 记忆系统

CrewAI 的三层记忆：

记忆类型用途实现
短期记忆当前任务上下文内存
长期记忆跨任务经验积累向量数据库
实体记忆记住特定实体信息知识图谱

4. 工具系统

技术亮点

  1. 零依赖: 完全从零构建，不依赖 LangChain 等第三方 Agent 框架
  2. 双架构: Crews（自主协作）+ Flows（精确编排）满足不同场景
  3. 三层记忆: 短期/长期/实体记忆支持经验积累
  4. 企业就绪: Crew Control Plane 提供可观测性、安全、扩展
  5. 100k+ 认证开发者: 社区活跃，教程完善
  6. 轻量高性能: 专注核心功能，启动快

与 Self-Evolve 关联

维度CrewAI 贡献
多 AgentAgent-Crew-Task 三层抽象，可参考 Self-Evolve 的 Agent 组织
记忆三层记忆系统（短期/长期/实体）是 Agent 经验积累的参考
Flow事件驱动的 Flow 编排可用于设计自我进化工作流
启示”零依赖 + 轻量高性能” 的设计理念可借鉴

参考资料

GitNexus 深度架构分析