2026 年初學者指南：用 CrewAI 打造你的第一個多代理人 AI 系統

CrewAI 在 2026 年成為成長最快的多代理人 AI 框架，每月搜尋量超過 14,800 次，開發者社群快速擴張。如果你聽了很多「AI 代理人」的說法卻不知從何下手，CrewAI 就是答案——它把協調多個 AI 代理人的複雜性封裝起來，讓你專注在代理人實際要做的事情上。

什麼是多代理人系統？

有別於讓單一 LLM 處理所有事情，多代理人系統將專業角色分配給不同的代理人。一個代理人負責研究，另一個負責寫作，第三個負責審查。它們像一個小型團隊一樣互相傳遞工作成果，最終輸出通常比單一代理人獨自完成的品質更好。

CrewAI 提供一個 Python 框架，讓你定義代理人、給它們工具（搜尋、爬蟲、程式碼執行），並設定它們之間的工作流程。大約 30 行程式碼，你就能讓一個研究代理人和一個寫作代理人協作完成一篇部落格文章。

步驟一：安裝 CrewAI

pip install crewai

你還需要一個 LLM 提供商。CrewAI 支援 OpenAI、Anthropic、Google，以及透過 Ollama 執行的本地模型：

export OPENAI_API_KEY="your-key-here"

步驟二：定義代理人

每個代理人都有角色、目標和背景故事。背景故事不只是裝飾——它會影響代理人處理任務的方式。

from crewai import Agent

researcher = Agent(
    role="研究分析師",
    goal="找出特定主題最相關且最新的資訊",
    backstory="你是一位會交叉比對多個來源的細心研究員。",
    verbose=True
)

writer = Agent(
    role="內容寫手",
    goal="將研究轉化為清晰、引人入勝的文字",
    backstory="你是一位能讓複雜主題變得易於理解的資深科技寫手。",
    verbose=True
)

步驟三：定義任務

任務指定每個代理人該做什麼，以及預期輸出格式。

from crewai import Task

research_task = Task(
    description="研究 2026 年多代理人 AI 系統的最新發展",
    agent=researcher,
    expected_output="包含 5 個關鍵發展及來源的重點摘要"
)

writing_task = Task(
    description="根據研究撰寫一篇 500 字的部落格文章",
    agent=writer,
    expected_output="包含引言、主文和結論的結構完整文章"
)

步驟四：組裝團隊

from crewai import Crew

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    verbose=True
)

result = crew.kickoff()
print(result)

就這樣。代理人會依序執行任務——研究員收集資訊，寫手進行轉化，你拿到最終輸出。

下一步

熟悉雙代理人模式後，試著加入一個審查代理人，在輸出送到你手上之前先批評寫手的成果。或者給代理人工具——CrewAI 整合了 LangChain 的工具生態系，你可以加入網頁搜尋、檔案讀寫和 API 呼叫。

值得研究的生產環境模式：設定迭代上限（代理人可能無限迴圈）、加入成本上限（API 呼叫會累積費用）、任何面向客戶的場景都要保留人類把關。框架讓構建變得很簡單。做出可靠的東西，還需要多幾輪迭代。