CLI 与项目管理

CrewAI 提供了完善的 CLI 工具，帮助你创建、运行、测试和管理项目。

1. 命令速查表

命令	说明
crewai create crew <name>	创建 Crew 项目
crewai create flow <name>	创建 Flow 项目
crewai install	安装项目依赖
crewai run	运行项目
crewai test	测试 Crew 执行
crewai train -n <次数>	训练 Crew（迭代优化）
crewai log-tasks-outputs	查看任务输出日志
crewai login	登录 CrewAI 平台
crewai version	查看版本

2. 项目结构

2.1 Crew 项目

my_crew/
├── .gitignore
├── pyproject.toml
├── README.md
├── .env
├── knowledge/               # 知识库文件
└── src/
    └── my_crew/
        ├── __init__.py
        ├── main.py          # 入口
        ├── crew.py          # Crew 编排
        ├── tools/
        │   ├── __init__.py
        │   └── custom_tool.py
        └── config/
            ├── agents.yaml  # Agent 配置
            └── tasks.yaml   # Task 配置

2.2 Flow 项目

my_flow/
├── .gitignore
├── pyproject.toml
├── README.md
├── .env
├── knowledge/
└── src/
    └── my_flow/
        ├── __init__.py
        ├── main.py          # 入口
        ├── crews/           # 可包含多个 Crew
        │   └── research/
        │       ├── crew.py
        │       └── config/
        └── config/

3. YAML 配置规范

3.1 agents.yaml

# 支持变量插值 {variable_name}
researcher:
  role: >
    {topic} 高级研究员
  goal: >
    对 {topic} 进行全面深入的研究
  backstory: >
    你是一位经验丰富的研究员，擅长从海量信息中
    筛选出最有价值的内容。
  llm: openai/gpt-4o          # 可选：指定 LLM
  # verbose: true              # 可选：详细日志
  # allow_delegation: false    # 可选：允许委托
  # max_iter: 20               # 可选：最大迭代
  # tools:                     # 可选：工具列表
  #   - myCustomTool

analyst:
  role: >
    数据分析师
  goal: >
    分析研究数据并提炼关键洞察
  backstory: >
    严谨的数据分析师，善于发现数据背后的规律。
  llm: anthropic/claude-sonnet-4

3.2 tasks.yaml

research_task:
  description: >
    对 {topic} 进行全面研究，覆盖以下维度：
    1. 市场规模和增长趋势
    2. 主要参与者和竞争格局
    3. 技术发展方向
  expected_output: >
    一份结构化的研究报告，包含以上三个维度的详细数据。
  agent: researcher              # 对应 agents.yaml 中的 key

analysis_task:
  description: >
    基于研究报告，识别 3 个最有前景的机会。
  expected_output: >
    包含 3 个机会的分析报告，含风险评估和优先级。
  agent: analyst
  context:                       # 依赖的任务
    - research_task
  # output_file: reports/analysis.md  # 可选：输出文件

3.3 配置规则

规则	说明
Agent key = 方法名	agents.yaml 中的 key 必须与 crew.py 中 @agent 方法名一致
Task key = 方法名	tasks.yaml 中的 key 必须与 crew.py 中 @task 方法名一致
变量插值	{variable} 在 kickoff(inputs={...}) 时替换
多行文本	使用 YAML 的 > 折叠换行符

4. 训练与测试

4.1 测试 Crew

crewai test

4.2 训练 Crew

# 执行 5 轮训练迭代
crewai train -n 5

训练会多次执行 Crew，收集人工反馈来优化 Agent 的行为。

4.3 查看历史输出

crewai log-tasks-outputs

5. 典型工作流

# 1. 创建项目
crewai create crew research_crew

# 2. 进入项目目录
cd research_crew

# 3. 配置 .env（API Keys）
echo "OPENAI_API_KEY=sk-your-key" > .env

# 4. 编辑 agents.yaml 和 tasks.yaml

# 5. 编辑 crew.py

# 6. 安装依赖
crewai install

# 7. 运行
crewai run

# 8. 测试
crewai test

---

先修：安装与环境配置

下一步：

• 实战：构建研究分析 Crew — 动手实践
• 实战：构建多步骤 Flow — Flow 实战

参考：

• 🔗 CrewAI CLI (Official)