专家们：精通 Agent

专家们：精通智能体

智能体是你操作的核心（大脑）。在 CrewAI 中，一个 Agent 是一个自主单元，可以执行任务、做出决策并与其他智能体通信。在本章中，我们将深入探讨如何创建有效的智能体。

定义角色（Persona）

智能体输出的质量与你定义其属性的优劣直接相关。有三个关键支柱：

• 角色（Role）：这是智能体的职位。它告诉 LLM 应该采取何种视角（例如，“金融分析师”与“创意作家”）。
• 目标（Goal）：这定义了智能体的成功标准。它指导 LLM 的关注点（例如，“最大程度地减少税务责任”与“写一首爆款诗歌”）。
• 背景故事（Backstory）：这通常是被忽视但却非常强大的属性。它提供了上下文、个性和约束条件。背景故事创造了响应的“风味”。

这是一个 Python 定义的例子（如果你不使用 YAML）：

from crewai import Agent

analyst = Agent(
    role='Senior QA Engineer',
    goal='Find all bugs in the code',
    backstory=(
        "You have 20 years of experience in software testing. "
        "You are extremely detail-oriented and pessimistic about "
        "code quality. You never assume code works."
    ),
    verbose=True  # 启用智能体思维过程的日志记录
)

配置 LLM

并非所有智能体都需要最昂贵的模型。你可能希望“经理”智能体使用 GPT-4o 进行复杂推理，而“摘要”智能体使用 GPT-4o-mini 来节省成本。CrewAI 允许你为特定智能体分配特定的 LLM。

CrewAI 集成了 LiteLLM，支持 100 多个提供商。

使用 OpenAI（默认）

默认情况下，CrewAI 会查找 OPENAI_API_KEY 环境变量并使用 GPT-4。

使用本地模型（Ollama）

要在本地运行智能体（为了隐私或成本），你可以使用 Ollama。你必须更改 OPENAI_API_BASE 和模型名称。

from crewai import Agent, LLM

# 配置 LLM
local_llm = LLM(
    model="ollama/llama3.1",
    base_url="http://localhost:11434"
)

local_agent = Agent(
    role='Local Assistant',
    goal='Answer quickly',
    backstory='You are running locally.',
    llm=local_llm
)

关键智能体参数

除了角色（persona）之外，还有一些技术设置可以微调行为：

• allow_delegation：（默认值：False）如果设置为 True，智能体可以将工作委派给其他智能体。注意：这通常需要更强大的模型。
• max_iter：限制智能体在强制给出答案之前可以执行的“思考循环”次数，防止无限循环。
• verbose：对于调试至关重要。它会向你展示智能体的“思考（Thought）”、“行动（Action）”和“观察（Observation）”循环。