【连载】零基础跟我学做AI Agent（第2课：用CrewAI配置一个软件虚拟团队）

一、目标

本例中Agent实现的目标是配置一个虚拟开发团队，这个团队中有资深程序员，还有测试工程师，两者协作完成一个具体的开发任务。当然这需要大模型的支持和经过多轮迭代。两种角色经过协调和博弈，让结果越来越接近于人类设定的目标。最后得到的成果是整套源代码。

二、原理

CrewAI是一种AI Agent框架，适合做多种角色Agent协同的应用，因为Crew的意思是“船员”或“机组”，寓意着几个分工不同的虚拟人共同配合完成一个总体的任务。在配置中，需要有以下几个元素：

1、智能体

我们定义了programmer和qa_engineer两个智能体，这些智能体有目标要求和表示角色的技能声明，当然这是通过大模型提示词实现的。

2、任务

与智能体相匹配的任务有development_task和testing_task两种，这些任务要设定由哪个智能体来执行，而且任务之间也有工作成果的交接。

3、团队

智能体、任务以及执行方法共同组成一个团队，通过kickoff（开球）方法开始运转。

三、源码

69行源码全部给出（公众号不便查看源码的话，可到https://github.com/little51/agent-dev的chapter-x-0base目录查看）。

import os from crewai import Agent, Task, Crew, Process os.environ['OPENAI_API_BASE'] = 'http://localhost:11434/v1' os.environ["OPENAI_API_KEY"] = "EMPTY" os.environ["OPENAI_MODEL_NAME"] = "openai/qwen3" class DevelopmentCrew: def __init__(self, development_description, testing_description): # 定义程序员智能体 self.programmer = Agent( role="资深程序员", goal="编写高质量、可维护的代码，实现功能需求", backstory="你是一位经验丰富的程序员，精通多种编程语言和设计模式。" + "你注重代码质量，善于编写清晰、高效的代码，并且有很强的逻辑思维能力。", verbose=True, max_execution_time=300 ) # 定义测试工程师智能体 self.qa_engineer = Agent( role="测试工程师", goal="确保代码质量，发现并报告缺陷，验证功能完整性", backstory="你是一位严谨的测试工程师，对细节极其敏感。" + "你擅长设计测试用例，能够发现各种边界条件和潜在问题，" + "确保交付的代码达到高质量标准。", verbose=True, max_execution_time=300 ) # 定义开发任务 self.development_task = Task( description=development_description, agent=self.programmer, expected_output="完整的Python代码实现，包含所有要求的功能和必要的注释" ) # 定义测试任务 self.testing_task = Task( description=testing_description, agent=self.qa_engineer, expected_output="详细的测试报告，包含测试用例、发现的问题和改进建议", context=[self.development_task] ) # 创建并运行开发团队 def invoke(self): dev_crew = Crew( agents=[self.programmer, self.qa_engineer], tasks=[self.development_task, self.testing_task], process=Process.sequential, verbose=True ) print("开始软件开发流程...") print("第一阶段：程序员进行功能开发") print("第二阶段：测试工程师进行质量验证") result = dev_crew.kickoff() print("\n开发流程完成，最终结果:") print(result) return result.raw if __name__ == "__main__": # 从主函数传入任务描述 dev_description = """开发一个用户管理系统，包含以下功能： 1. 用户注册（用户名、邮箱、密码） 2. 用户登录验证 3. 用户信息查询 4. 密码重置功能 请使用Python编写清晰的代码，包含必要的注释和错误处理。""" test_description = """对开发的用户管理系统进行全面测试： 1. 设计测试用例覆盖正常流程和异常情况 2. 进行边界值测试和错误处理测试 3. 验证所有功能是否符合需求 4. 提供详细的测试报告和改进建议""" dev_crew = DevelopmentCrew(dev_description, test_description) dev_crew.invoke()

四、运行

1、环境安装

用Miniconda建立一个Python虚拟环境，本案例只依赖于crewai库。大模型是在上一节装好的，程序调到API时，Ollama会自动装载qwen3模型的。

# 创建虚拟环境 conda create -n part02 python=3.13 -y # 激活虚拟环境 conda activate part02 # 安装依赖库 pip install crewai==0.201.1 -i https://pypi.mirrors.ustc.edu.cn/simple

2、运行

python agent_crewai.py

五、运行结果

开始运行时，团队开始思考，制定计划，然后进入多轮迭代。

经过多轮迭代，最后生成目标源码和测试用例，结果如下：

至于最后的结果是否符合预期，主要是和模型的能力有关，我们用Ollama跑量化模型，效果应一般，如果要得到更好的效果，得用GPU部署更大的、精度更高的模型。

未完待续！

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！