快速开始

在几分钟内构建你的第一个 CrewAI Flow —— 包含编排、状态，以及一个能产出真实报告的智能体团队。

观看：使用编码智能体技能构建 CrewAI 智能体与流程

安装我们的编码智能体技能（Claude Code、Codex 等），让你的编码智能体快速上手 CrewAI。

你可以使用 npx skills add crewaiinc/skills 安装它

在本指南中，你将创建一个 Flow，它设定一个研究主题，运行一个只包含一个智能体的团队（使用网页搜索的研究员），最后在磁盘上生成一份 markdown 报告。Flow 是构建生产应用推荐的方式：它负责状态和执行顺序，而智能体则在团队步骤中完成实际工作。

如果你还没有安装 CrewAI，请先按照安装指南操作。

前置条件

Python 环境和 CrewAI CLI（参见安装）
已配置正确 API 密钥的 LLM —— 参见 LLM
用于本教程中网页搜索的 Serper.dev API 密钥（SERPER_API_KEY）

构建你的第一个 Flow

Create a Flow project

在终端中，搭建一个 Flow 项目脚手架（文件夹名使用下划线，例如 latest_ai_flow）：

Terminal

shell

crewai create flow latest-ai-flow
cd latest_ai_flow

这会在 src/latest_ai_flow/ 下创建一个 Flow 应用，其中包含 crews/content_crew/ 下的入门团队，你将在后续步骤中用一个最小的单智能体研究团队替换它。

Configure one agent in JSONC

创建 src/latest_ai_flow/crews/content_crew/agents/researcher.jsonc（如有需要，请创建 agents/ 目录）。像 {topic} 这样的变量会由 crew.kickoff(inputs=...) 填充。

jsonc

{
  "role": "{topic} Senior Data Researcher",
  "goal": "Uncover cutting-edge developments in {topic}",
  "backstory": "You're a seasoned researcher who finds relevant information and presents it clearly.",
  "tools": ["SerperDevTool"],
  "settings": {
    "verbose": true
  }
}

Configure the crew in `crew.jsonc`

创建 src/latest_ai_flow/crews/content_crew/crew.jsonc：

jsonc

{
  "name": "Research Crew",
  "agents": ["researcher"],
  "tasks": [
    {
      "name": "research_task",
      "description": "Conduct thorough research about {topic}. Use web search to find recent, credible information.",
      "expected_output": "A markdown report with clear sections: key trends, notable tools or companies, and implications. Aim for 800-1200 words. No fenced code blocks around the whole document.",
      "agent": "researcher",
      "output_file": "output/report.md",
      "markdown": true
    }
  ],
  "process": "sequential",
  "verbose": true
}

Load the JSON crew (`content_crew.py`)

将生成的 content_crew.py 替换为一个小的加载器，它把 crew.jsonc 转换为 Crew。

python

# src/latest_ai_flow/crews/content_crew/content_crew.py
from pathlib import Path

from crewai.project import load_crew

def kickoff_content_crew(inputs: dict):
  crew, default_inputs = load_crew(Path(__file__).with_name("crew.jsonc"))
  return crew.kickoff(inputs={**default_inputs, **inputs})

Define the Flow in `main.py`

将团队连接到 Flow：一个 @start() 步骤在状态中设置主题，一个 @listen 步骤运行该团队。任务的 output_file 仍会写入 output/report.md。

python

# src/latest_ai_flow/main.py
from pydantic import BaseModel

from crewai.flow import Flow, listen, start

from latest_ai_flow.crews.content_crew.content_crew import kickoff_content_crew

class ResearchFlowState(BaseModel):
  topic: str = ""
  report: str = ""

class LatestAiFlow(Flow[ResearchFlowState]):
  @start()
  def prepare_topic(self, crewai_trigger_payload: dict | None = None):
    if crewai_trigger_payload:
      self.state.topic = crewai_trigger_payload.get("topic", "AI Agents")
    else:
      self.state.topic = "AI Agents"
    print(f"Topic: {self.state.topic}")

  @listen(prepare_topic)
  def run_research(self):
    result = kickoff_content_crew(inputs={"topic": self.state.topic})
    self.state.report = result.raw
    print("Research crew finished.")

  @listen(run_research)
  def summarize(self):
    print("Report path: output/report.md")

def kickoff():
  LatestAiFlow().kickoff()

def plot():
  LatestAiFlow().plot()

if __name__ == "__main__":
  kickoff()

TIP

如果你的包名与 latest_ai_flow 不同，请调整 kickoff_content_crew 的导入，使其匹配你项目的模块路径。

Set environment variables

在项目根目录的 .env 中设置：

SERPER_API_KEY —— 来自 Serper.dev
按需设置你的模型服务商密钥 —— 参见 LLM 设置

Install and run

Terminal

shell

crewai install
crewai run

crewai run 会执行你项目中定义的 Flow 入口点（与团队使用的命令相同；项目类型在 pyproject.toml 中为 "flow"）。

Check the output

你应该会看到来自 Flow 和团队的日志。打开 output/report.md 查看生成的报告（节选）：

output/report.md

markdown

# AI Agents: Recent Landscape and Trends

## Executive summary
…

## Key trends
- **Tool use and orchestration** — …
- **Enterprise adoption** — …

## Implications
…

你实际生成的文件会更长，并反映实时的搜索结果。

本次运行如何协同工作

Flow —— LatestAiFlow 先运行 prepare_topic，然后运行 run_research，最后运行 summarize。状态（topic、report）保存在 Flow 上。
团队 —— kickoff_content_crew 加载 crew.jsonc，并由一个智能体运行一个任务：研究员使用 Serper 搜索网页，然后撰写结构化报告。
产物 —— 任务的 output_file 将报告写入 output/report.md。

如需深入了解 Flow 模式（路由、持久化、人在回路），请参阅构建你的第一个 Flow和 Flow。对于不带 Flow 的团队，请参阅团队。对于不带任务的单个 Agent 和 kickoff()，请参阅智能体。

TIP

你现在已经拥有一个端到端的 Flow，包含一个智能体团队和一份已保存的报告 —— 这是添加更多步骤、团队或工具的坚实基础。

命名一致性

crew.jsonc 中的名称必须与你使用的文件和任务引用相匹配：

agents: ["researcher"] 会加载 agents/researcher.jsonc
tasks[].agent: "researcher" 会把该任务分配给那个智能体

部署

当 Flow 在本地运行成功后，将其推送到 CrewAI AMP。如果项目有 git origin，AMP 会从该仓库部署（在 GitHub 上，AMP 的 GitHub 集成必须能够访问它）；如果没有 origin，crewai deploy create 会将项目以 ZIP 形式上传。在项目根目录执行：

bash

crewai login

bash

crewai deploy create

bash

crewai deploy status
crewai deploy logs

bash

crewai deploy push

bash

crewai deploy list
crewai deploy remove -u <deployment_uuid>

TIP

首次部署通常需要大约 1 分钟。完整的前置条件和 Web UI 操作流程见部署到 AMP。

Deploy guide

分步的 AMP 部署指南（CLI 和仪表板）。

Join the Community

讨论想法、分享项目，并与其他 CrewAI 开发者交流。

快速开始

观看：使用编码智能体技能构建 CrewAI 智能体与流程

前置条件

构建你的第一个 Flow

本次运行如何协同工作

命名一致性

部署

友情链接