使用 CrewAI 和 Gemini 1.5 构建多智能体系统实战指南

初始化 AI 工具与模型

接下来，我们初始化 Gemini 1.5 模型和网页搜索工具（SerperDevTool）。温度参数控制响应的创新性或确定性，通常 0.7 是一个平衡点。

# Initialize the tool for internet searching capabilities
tool = SerperDevTool()

llm = LLM(
    model="gemini/gemini-1.5-flash",  # Specify the AI model to use
    temperature=0.7,                  # Set the creativity of the model
    max_tokens=4096                   # Adjust based on model limits
)

定义智能体 (Agents)

我们定义了三个协同工作的智能体来实现目标。每个智能体都拥有特定的角色、目标、背景故事以及使用的工具。

1. 主题研究员

# Define the Topic Researcher agent
topic_researcher = Agent(
    role='Topic Researcher',
    goal='Search for only 1 relevant resource on the topic {topic} from the web',
    verbose=True,
    memory=True,
    backstory='Expert in finding and analyzing relevant content from Web...',
    tools=[tool],
    llm=llm,
    allow_delegation=True
)

2. 博客作者

# Define the Blog writer agent
blog_writer = Agent(
    role='Blog Writer',
    goal='Write a comprehensive blog post from the only 1 article provided by the Topic Researcher, covering all necessary sections',
    verbose=True,
    memory=True,
    backstory='Experienced in creating in-depth, well-structured blog posts that explain technical concepts clearly and engage readers from introduction to conclusion.',
    tools=[tool],
    llm=llm,
    allow_delegation=True
)

3. LinkedIn 帖子创作者

# Define the linkedin post writer agent
linkedin_post_agent = Agent(
    role='LinkedIn Post Creator',
    goal='Create a concise LinkedIn post summary from the transcription provided by the Topic Researcher.',
    verbose=True,
    memory=True,
    backstory='Expert in crafting engaging LinkedIn posts that summarize complex topics and include trending hashtags for maximum visibility.',
    tools=[tool],
    llm=llm,
    allow_delegation=True
)

关键点说明：

• allow_delegation=True：允许智能体之间进行任务委托，提高协作效率。
• memory=True：启用记忆功能，使智能体能记住之前的交互上下文。
• backstory：详细的背景故事有助于大模型更好地理解角色的语气和风格。

定义任务 (Tasks)

一旦智能体设置好，我们就定义每个智能体将执行的具体任务。任务描述越清晰，预期输出越具体，最终结果的质量通常越高。

# Define Tasks
research_task = Task(
    description="Identify and analyze only 1 content or article on the {topic} from the web.",
    expected_output="A complete word-by-word report on the most relevant post or article found on the topic {topic}.",
    agent=topic_researcher,
    tools=[tool]
)

blog_writing_task = Task(
    description="""Write a comprehensive blog post based on the 1 article provided by the Topic Researcher.
    The article must include an introduction, step-by-step guides, and conclusion.
    The overall content must be about 400 words long.""",
    expected_output="A markdown-formatted blog post",
    agent=blog_writer,
    tools=[tool],
    output_file='./artifacts/blog-post.md'
)

linkedin_post_task = Task(
    description="Create a LinkedIn post summarizing the key points from the transcription provided by the Topic Researcher, including relevant hashtags.",
    expected_output="A markdown-formatted LinkedIn post",
    agent=linkedin_post_agent,
    tools=[tool],
    output_file='./artifacts/linkedin-post.md'
)

运行流程

一旦智能体和任务设置完成，我们就创建团队（Crew）并启动流程。CrewAI 支持多种进程模式，本例中使用顺序模式 (Process.sequential)。

# Create the Crew with defined agents and tasks
my_crew = Crew(
    agents=[topic_researcher, linkedin_post_agent, blog_writer],
    tasks=[research_task, linkedin_post_task, blog_writing_task],
    verbose=True,
    process=Process.sequential  # Run tasks sequentially
)

# Input Topic
topic_of_interest = 'gemini 2.0 multimodal'

# Kick off the process with the provided topic
result = my_crew.kickoff(inputs={'topic': topic_of_interest})
print(result)

在这里，智能体以顺序过程协同工作，确保每个智能体依次执行其任务。启动方法使用提供的 topic_of_interest 运行流程。你可以将 output_file 路径指向本地目录，以便直接保存生成的文件。

Gemini 1.5 的核心作用

这个项目最令人兴奋的方面之一是使用 Gemini 1.5 模型为 AI 智能体提供动力。Gemini 1.5 以其先进的自然语言处理能力而闻名，这使得它能够在广泛的上下文中理解和生成类似人类的文本。无论是进行研究还是撰写内容，Gemini 1.5 都能确保智能体以高准确性和流畅性有效地完成其任务。其长上下文窗口特性使得处理大量搜索结果成为可能。

挑战与优化建议

构建这个多智能体系统并非没有挑战。以下是我在开发过程中遇到的一些关键障碍及解决方案：

1. 整合多个智能体

确保智能体之间顺畅的沟通至关重要。每个智能体都有特定的角色，但它们需要无缝协作以产生期望的结果。我了解到，清晰和明确的任务管理对于系统的效率至关重要。如果任务描述模糊，智能体可能会产生幻觉或偏离目标。

2. 完善研究智能体

主题研究智能体的任务是搜索网络上的相关资源。虽然它总体表现良好，但有时它会返回与主题不完全相关的文章。微调其搜索参数需要一些试错。建议在使用 SerperDevTool 时，在任务描述中强调'相关性'和'权威性'。

3. 内容质量控制

尽管 Gemini 1.5 在生成内容方面非常有效，但输出的质量取决于它接收到的输入。确保提供给博客撰写智能体和 LinkedIn 帖子创建智能体的研究是全面和清晰的，以产生连贯且结构良好的最终输出，这很重要。可以通过增加 verbose=True 来查看中间步骤，便于调试。

4. 性能优化

• Temperature 调整：对于事实性任务（如研究），降低温度（如 0.2）；对于创意写作（如写博客），保持适中（如 0.7）。
• Token 限制：注意模型的 Token 限制，避免输入过长导致截断。
• 错误处理：在生产环境中，应添加 try-except 块来处理 API 调用失败的情况。

结论

2025 年很可能是代理人工智能之年，我们已经初步看到了其潜力。我的多智能体系统只是 AI 如何用于自动化复杂任务和生成有意义输出的一个例子。随着技术的不断进步，我们可以期待更强大的系统出现，重塑行业，使 AI 成为我们日常生活中的关键部分。

通过合理配置 CrewAI 框架和大模型参数，开发者可以快速构建出具备自主规划能力的智能体应用。希望本文能为你开启 AI Agent 开发之旅提供帮助。