Agentic Workflow: AI智能体工作流的 4 大机制, crewAI源码案例解析

吴恩达几个月前那场关于Agentic Workflow的演讲，在圈子里掀起了不小的波澜。国内解读的文章不少，但大多只抓了皮毛，读起来总觉得差了那么一口气。正好最近 crewAI 这个项目在海外社区热度很高，就借着源码和它官方的设计思路，把这场演讲的精华重新捋一遍——当然，也参考了国外博主 squareofdai 那篇更全面的转述。

Agentic Workflow：不只是“一条线”

“在工作流的每一个步骤，会涉及到不同的执行任务，每个执行任务对应的不同模型（有些是大语言模型，有些是垂直应用模型）和工具来完成。每一步的模型和工具可能都不一样，最终把这一系列的步骤串联起来，形成一条整合了多个工具和步骤的端到端工作流。”

我们过去用大模型，大多是“zero-shot”模式——输入一句话，直接等输出。比如让模型“写一篇关于X主题的文章大纲”，它啪一下就给出来了，背后全靠模型自身的推理能力。但有了Workflow之后，逻辑就变了。输入的内容会进入一个循环：模型可能会先反问一句“需要联网搜索吗？”，然后把用户指令拆成“写草稿→检查→润色”几个步骤，每一步的结果再作为下一步的输入，形成一个不断“修正→迭代”的闭环。

吴恩达专门总结了Agent设计的四种模式。严格来说，这是针对Agent的模式，但把它们串联起来，就构成了一个完整的Workflow：

1. Reflection - 自我反思
2. Tool Use - 工具调用
3. Planning - 规划设计
4. Multi-agent collaboration - 多智能体协同

效果如何？Andrew Ng的团队做过一个测试。针对“给定一个非空的整数列表，返回所有偶数位置元素的和”这个问题，GPT-4 和 GPT-3.5 在 zero-shot 模式下，准确率分别是 67% 和 48%。但给 GPT-3.5 加上一个“intervenor”的多智能体机制，再配合一个ANPL交互编程系统的Tool Use，结果直接飙到了 70% 以上——比 zero-shot 的 GPT-4 还好。

所以吴恩达自己也在演讲里说了大实话：在 GPT-5 或 Claude 4 出来之前，你完全可以通过 Agentic Workflow，让手头的 GPT-4、GPT-3.5 这些“老将”也能达到接近新模型的效果。

四种模式的深度拆解

Reflection：自我纠错

让模型自己反思自己纠正，听起来有点玄学。一般的做法是再加一个Agent专门负责“挑刺”。比如左边一个Agent负责写代码，右边再安排一个Agent负责检查，它的提示词可以设置为：“仔细检查代码的正确性、风格和效率，并给出建设性的批评意见，以改进代码。” 这个审查Agent的输入，就是写代码Agent的输出。一攻一守，配合默契。

Tool Use：最核心的能力扩展

这个概念最好理解，就是给大模型装“外设”——接入谷歌搜索API、邮箱API、画图API等等。就像之前梳理过的16个AI Workflow自动化平台，每个产品支持的Tool类型都不太一样。有的支持用户自己接入API，灵活性很高；有的只能使用平台预置的工具。国外产品因为生态完善，支持的API种类非常全。相比之下，国内这块还处在初期阶段，缺少真正好用的实用工具。

Planning：让AI自己写工作流

这一步其实就是训练大模型根据用户需求，把任务拆解成多个子步骤，再根据各个模型和工具的特点，为每个子步骤指定最合适的模型。举个例子：给AI一张样例照片，让它生成一个穿着类似姿势的女孩在看书的图片，并用语音描述出来。拆解的步骤就变成了：姿势判断（用OpenPose模型）→ 根据姿势生成图像（用Google/ViT模型）→ 图像转文字描述（ViT-GPT2模型）→ 最后把文本朗读出来（FastSpeech模型）。整个链条里，每一步用的模型都不一样。

Multi-agent collaboration：多角色协作

安排多个Agent一起工作，每个承担不同的角色。就像Reflection模式里提到的“Coder”和“Critic”，一个负责生成，一个负责检查改进。当然，这个模式有一个核心难点：必须清晰划分每个Agent的角色和职责，让协作有序、不冲突。一旦角色定义模糊，就会出现互相干扰的情况。

另外，吴恩达在演讲中也提到了一个趋势：更大的上下文窗口（Token数）、更快的Token处理速度、以及更长的文本处理质量，这些都会直接提升Agent的表现。最近看了月之暗面创始人的访谈，他们在2023年3、4月时就已经押注在长文本能力上了，今年Kimi确实成了国产LLM里最好用的产品之一。

个人常用的AI写作Workflow

1. 网络搜索所有相关主题素材 —— Perplexity、Metaso
2. 整理、筛选，根据自身认知补充内容 —— ChatGPT-4、Llama 3
3. SEO优化标题、优化表达、剔除错别字 —— ChatGPT-4

crewAI：从理论到代码的实践

之所以选择crewAI，是因为在之前调研的11个最受欢迎的开源Agent项目中（包括AutoGPT、MetaGPT、AutoGen等），它的上手门槛最低。更重要的是，它的设计机制刚好和吴恩达提出的四个Pattern一一对应。从代码层面实操一遍，很多抽象概念一下就清晰了。

有人说蚂蚁金融的agentUniverse也不错，但实际看下来，它的学习曲线并不友好：一个Agent既要写YAML配置文件，又要建一个Python文件，多几个Agent就得建一堆文件。相比之下，crewAI的设计思路要简洁得多。

目前crewAI的Star数已经达到了14.6k，是国外最近一两个月最火的开源项目之一。下面就用它创建一个支持人工干预的调查Agent组——专门负责搜集AI资料并整理成文档。

pip install crewai

from crewai import Agent, Task, Crew
from crewai_tools import SerperDevTool

从上面的代码可以看出，crewAI的基本模块包括Agent、Task、Crew和Tools。Agent可以使用工具，多个Agent组合在一起，每个被定义了角色和任务（Task），最终形成一个团队（Crew）。调用Crew来回答问题，本质上就是Task对用户指令进行拆分（类似Planning模式），然后分配给不同的Agent去执行。

首先配置工具和LLM：

os.environ["SERPER_API_KEY"] = "Your Key"
os.environ["OPENAI_API_KEY"] = "Your Key"

search_tool = SerperDevTool()

这里设置两个Agent：一个负责研究（Researcher），一个负责撰写（Writer）。当然也可以再加一个专门做SEO优化的Agent。每个Agent都有 role（角色）、goal（目标）、backstory（背景知识）三个核心参数。verbose 参数控制回复的详细程度，设为True则回复更详尽，设为False则更简洁。allow_delegation 控制是否允许该Agent把任务授权给其他Agent执行。tools 指定可用的工具，这里使用了Serper。max_rpm 限制每分钟的最大请求次数，cache 控制是否启用缓存。

researcher = Agent(
  role='Senior Research Analyst',
  goal='Uncover cutting-edge developments in AI and data science',
  backstory=(
    "You are a Senior Research Analyst at a leading tech think tank."
    "Your expertise lies in identifying emerging trends and technologies in AI and data science."
    "You ha ve a knack for dissecting complex data and presenting actionable insights."
  ),
  verbose=True,
  allow_delegation=False,
  tools=[search_tool],
  max_rpm=100
)

writer = Agent(
  role='Tech Content Strategist',
  goal='Craft compelling content on tech advancements',
  backstory=(
    "You are a renowned Tech Content Strategist, known for your insightful and engaging articles on technology and innovation."
    "With a deep understanding of the tech industry, you transform complex concepts into compelling narratives."
  ),
  verbose=True,
  allow_delegation=True,
  tools=[search_tool],
  cache=False,
)

Agent创建好之后，就需要定义Task了。每个Task包含 description（任务描述）、expected_output（期望输出）、agent（负责的Agent）等参数。其中 human_input 是一个关键参数，设为True时，需要人工确认之后才能继续执行下一个Task。例如在下面这个例子中，任务要求必须让人类检查草稿是否通过，确认后再进行下一步操作。

task1 = Task(
  description=(
    "Conduct a comprehensive analysis of the latest advancements in AI in 2024."
    "Identify key trends, breakthrough technologies, and potential industry impacts."
    "Compile your findings in a detailed report."
    "Make sure to check with a human if the draft is good before finalizing your answer."
  ),
  expected_output='A comprehensive full report on the latest AI advancements in 2024, lea ve nothing out',
  agent=researcher,
  human_input=True,
)

task2 = Task(
  description=(
    "Using the insights from the researcher's report, develop an engaging blog post that highlights the most significant AI advancements."
    "Your post should be informative yet accessible, catering to a tech-sa vvy audience."
    "Aim for a narrative that captures the essence of these breakthroughs and their implications for the future."
  ),
  expected_output='A compelling 3 paragraphs blog post formatted as markdown about the latest AI advancements in 2024',
  agent=writer
)

最后一步，把Agent、Task和Tools组装成一个Crew：

crew = Crew(
  agents=[researcher, writer],
  tasks=[task1, task2],
  verbose=2
)

result = crew.kickoff()

print("######################")
print(result)

这个项目最近准备手动部署跑一遍，看看实际效果。最后附上官方的CrewAI功能总结：

1. 角色驱动的Agent设计
   ：为Agent自定义特定的角色、目标和工具。

2. 自主的任务委派
   ：Agent之间可以自主委派任务并相互查询，效率更高。

3. 灵活的任务管理
   ：使用可自定义的工具定义任务，并动态分配给Agent。

4. 流程驱动
   ：目前支持顺序执行和层次化流程，更复杂的模式（如共识机制和全自主流程）正在开发中。

5. 输出保存为文件
   ：各任务的输出可直接保存到文件，方便后续使用。

6. 输出解析为Pydantic或JSON
   ：支持将结果解析为结构化数据。

7. 兼容开源模型
   ：既支持OpenAI，也支持开源模型，甚至可以连接本地部署的模型。

再看一眼crewAI的官方文档，支持的RAG工具列表确实相当丰富，这也是它吸引人的地方之一。

本期照片 2024.05.02 拍摄于北京温榆河公园