CrewAI完整入门：建立“整理事实—复核事实”的小团队草稿

01 先知道要做成什么

建立“整理事实—复核事实”的小团队草稿。本篇只教一个能检查结果的首个任务，再扩展到真实工作；不把生成一次等同于专业交付。

02 官方入口、下载与安装

本篇用独立Python脚本，避免混用不同版本的CLI模板。先安装官方支持的Python，在空目录创建虚拟环境：python -m venv .venv。Windows运行 .venv\Scripts\activate；macOS/Linux运行 source .venv/bin/activate。随后运行 python -m pip install -U crewai。依赖要求以官方Installation为准，记录实际安装版本。

03 账户、费用与准备

一段虚构产品事实、可用模型账户与独立测试密钥；设定小额预算，不给代理外部写权限。 安装工具、下载模型、调用云服务可能分别计费。先查看官方要求与许可，密钥只存凭证设置或环境变量，不放提示词。

04 配置环境

在终端设置OPENAI_API_KEY和OPENAI_MODEL，选择账户可用且CrewAI支持的OpenAI模型；密钥不写代码、不提交仓库。其它供应商配置另看官方LLM文档。

05 创建脚本

新建main.py，复制下方完整样例。两个代理不配置外部工具，不读写企业系统。任务限定三条产品事实。

06 运行并看结果

在已激活环境运行 python main.py。它会调用付费模型；先只运行一次，检查整理与复核任务输出。

07 核对与保存

确认最终只有有依据的事实，没有新增运费与售后。保留脚本、版本、输出和调用成本；更复杂的Flow编排再看官方Quickstart。

08 跟做材料／可复制示例

将以下保存为main.py。先按上文配置环境变量，再运行python main.py。

import os
from crewai import Agent, Task, Crew, Process, LLM

llm = LLM(model="openai/" + os.environ["OPENAI_MODEL"])
writer = Agent(role="事实整理员", goal="只列输入中的事实",
    backstory="负责结构化材料，不补信息。", llm=llm,
    allow_delegation=False, max_iter=2)
reviewer = Agent(role="事实复核员", goal="去掉没有依据的结论",
    backstory="严格对照原始材料审核。", llm=llm,
    allow_delegation=False, max_iter=2)
first = Task(description="材料：A杯39元、350ml、不保温。提取三条事实。",
    expected_output="三条确认事实", agent=writer)
second = Task(description="原始材料是A杯39元、350ml、不保温。审核前一结果，删除新增信息。",
    expected_output="只输出有依据的三条事实", agent=reviewer, context=[first])
result = Crew(agents=[writer, reviewer], tasks=[first, second],
    process=Process.sequential).kickoff()
print(result.raw)

09 保存、导出与交付

保存角色、任务、模型版本与输出；分享前去掉.env和任何密钥。

10 做完怎么验收

两个任务顺序明确；结果无虚构运费；能追溯谁输出了什么。 建议记录：输入、实际输出、是否通过、需修改的地方。先用一条正例和一条反例，确认后再扩大批量。

11 常见卡点与排查

CLI命令失败先核对安装版本与虚拟环境；多代理不会自动更准确，减少角色和轮次再排查。

12 使用真实资料前

先用本篇虚构样例练习，再替换成经授权并脱敏的材料。涉及账号、客户、商业和个人信息时先确认平台数据处理规则。对外发布前核对事实、权利和访问权限；官网界面更新时以官方帮助为准。

工具与原始资料

动手验证