CrewAI SOP — Role-Based Multi-Agent Orchestration#

框架口号: "Framework for orchestrating role-playing, autonomous AI agents. By fostering collaborative intelligence, CrewAI empowers agents to work together seamlessly." [github.com/crewAIInc/crewAI]

---

1. 何时激活 (When to Activate)#

1.1 直接信号 (Direct triggers)#

• 用户说 "我需要 researcher + writer + reviewer 这种团队配合"
• 用户说 "用 CrewAI 实现 / 我已经在用 crew.kickoff()"
• 任务可以拆为 2–5 个 专业角色，且每个角色有明确职责边界
• 流程是 线性 pipeline（数据→分析→报告）或 轻度分支

1.2 反向信号 (Skip CrewAI when)#

• 单 agent + tool-use 就够 → 直接用 SDK / Instructor（CrewAI 是 over-engineering）
• 需要状态图 + 循环 + 中断恢复 → LangGraph 更合适
• 需要 agents 之间自由对话辩论 → AutoGen 更合适
• 需要严格条件路由（"if X then only A else B"）→ 用 CrewAI Flows 而非 hierarchical Crew，或直接 LangGraph
• 延迟敏感（<500ms） → 多 agent 编排不适合

1.3 心智门槛 (Mental check)#

"An agent needs agency, otherwise it's just another script." — João Moura, CrewAI 创始人 [softwareengineeringdaily.com/2025/06/03/crew-ai-with-joao-moura/]

如果你能用 if/else 提前写死流程， 不要用 Crew。Crew 的本质是把"决策权"让渡给 LLM 角色。

---

2. 核心心智模型 (Mental Model)#

2.1 四元抽象 (The 4 primitives)#

text

Agent (role + goal + backstory)  ← 谁
   ↓ 持有
Task (description + expected_output + agent + context)  ← 做什么
   ↓ 组装
Crew (agents + tasks + process)  ← 怎么协作
   ↓ 选择
Process (sequential | hierarchical) + Flow (event-driven 编排)  ← 控制流

2.2 为什么 "role + goal + backstory" 三件套？#

CrewAI 的核心假设： LLM 在 role-playing 状态下表现更好。

• role: 函数性身份 ("Senior Data Researcher") — 决定 prompt 主语
• goal: 个体目标 ("Uncover cutting-edge developments in {topic}") — 决定决策方向
• backstory: 经验/性格 ("You're a seasoned researcher with a knack for…") — 校准语气与判断风格

"Backstory provides depth to the agent's persona, enriching its motivations and engagements within the crew." [docs.crewai.com/en/concepts/agents]

关键洞察: backstory 不是装饰。它是 system prompt 的最大杠杆——同一个 role+goal，换 backstory 会显著改变产出质量与风格。

2.3 Sequential vs Hierarchical vs Flow#

维度SequentialHierarchicalFlow任务路由静态列表顺序manager LLM 动态分派@listen 事件驱动控制力高 (写死顺序)低 (manager 自由发挥)最高 (代码 + 状态)Token 开销1× 基线1.3–1.5× (manager overhead)接近 1×调试难度低高 (manager 黑盒)中何时用80% 场景默认真正需要动态分派复杂分支 + 多 Crew 编排已知坑task context 自动透传可能膨胀manager 会"执行所有 task"而非"按需调用"学习曲线 + 状态设计

参考: [docs.crewai.com/en/learn/hierarchical-process], [docs.crewai.com/en/concepts/flows], [towardsdatascience.com/why-crewais-manager-worker-architecture-fails-and-how-to-fix-it/]

2.4 Crew 不是 LangChain#

CrewAI 从零写成、零 LangChain 依赖，是 João Moura 刻意决定。这带来：

• 更快 import / 更小 footprint
• 但 生态工具少（observability、eval 需要外接 Maxim/MLflow/Datadog）
• 错误日志在 Task 内部不易捕获， print 不易冒出来 [aaronyuqi.medium.com/first-hand-comparison-of-langgraph-crewai-and-autogen]

---

3. SOP 工作流 (Standard Operating Procedure)#

Phase 0: 决策 — 真的需要 Crew 吗？#

text

[问] 这个任务是否需要 ≥2 个截然不同的"专业视角"协作？
  ├─ 否 → 用单 agent + tools，停止使用 CrewAI
  └─ 是 → 继续

[问] 流程是否有循环 / 状态依赖 / 人工中断点？
  ├─ 是 → 转 LangGraph (或 CrewAI Flow + 简化的 Crew)
  └─ 否 → 进入 Phase 1

Phase 1: 角色设计 (Agent Design)#

1.1 拆分原则

• 每个 agent 一个职能动词: research / write / review / extract / decide
• 避免 "万能 agent"。一个 agent 同时 research + write，质量必劣于两个专家
• 2–5 个 agent 是甜区。≥7 个开始出现协调失败 [medium.com/@armankamran/anti-patterns-in-multi-agent-gen-ai-solutions]

1.2 三件套写法 (role/goal/backstory)

python

researcher = Agent(
    role="Senior AI Research Analyst",   # ← 名词性头衔，含"高级/资深"提升先验
    goal="Uncover cutting-edge developments in {topic} with citations",  # ← 含 {var} 模板 + 验收标准
    backstory=(
        "You're a methodical researcher with 10 years at top AI labs. "
        "You distrust hype and always cross-check with primary sources."  # ← 注入判断偏好
    ),
    allow_delegation=False,   # ← 默认 False，避免 ping-pong
    max_iter=10,              # ← 显式收敛上限（默认 20–25）
    verbose=True,             # ← 开发期必开
    tools=[search_tool],
)

1.3 YAML 化（生产推荐）

配置与代码分离，使用 @CrewBase 装饰器 + config/agents.yaml + config/tasks.yaml，便于非工程人员迭代提示词 [docs.crewai.com YAML Configuration]。

Phase 2: 任务设计 (Task Design)#

2.1 描述写法 (description)

• 动词开头 + 具体输入： "Analyze the search results for {topic} and identify 3 emerging trends"
• 不要写 how，写 what。HOW 是 agent 的自由度
• 长度建议: 1–4 句。过长 = 把 agent 当工程模板用，违背 agency 哲学

2.2 expected_output（验收契约）

• 必填。这是 CrewAI 的"测试断言"
• 写成可机器校验的结构化描述： "A markdown report with H2 headers per trend, each containing: trend name, 3 supporting citations, risk assessment"
• 配合 output_pydantic=MyModel 强制结构化 [docs.crewai.com/en/concepts/tasks]

2.3 context 显式声明依赖

python

analysis_task = Task(
    description="...",
    expected_output="...",
    agent=analyst,
    context=[research_task],   # ← 不依赖隐式自动透传，显式声明
)

"In crewAI, the output of one task is automatically relayed into the next one, but you can specifically define what tasks' output … should be used as context."

默认隐式透传是坑——pipeline 长了之后 prompt 爆炸。建议从一开始就显式 context=[...]。

Phase 3: 装配 Crew#

python

crew = Crew(
    agents=[researcher, analyst, writer],
    tasks=[research_task, analysis_task, write_task],
    process=Process.sequential,   # ← 默认；改 hierarchical 前请读 §5.2
    memory=False,                 # ← 默认关，除非真的跨 kickoff 需要持久化
    verbose=True,
    max_rpm=30,                   # ← 防止 API 限流爆炸
    planning=False,               # ← v0.80+ 的实验功能，生产前先测
)
result = crew.kickoff(inputs={"topic": "agentic RAG"})

Phase 4: 观测与收敛#

4.1 必装观测

CrewAI 内部日志薄。 生产前必须：

• 接 mlflow.crewai.autolog() 或 Maxim / Langfuse / Datadog
• 包一层 step_callback= 捕获每步 agent action [docs.crewai.com/en/observability/overview]

4.2 token / 成本上限

• 单次 kickoff 设硬上限（外层 timeout + max_rpm）
• Hierarchical 模式追加 30–50% token 预算 [callsphere.ai/blog/crewai-process-types]

4.3 eval 化

• 把每次失败的 kickoff trace 转成 eval case
• 用 LLM-as-judge 检查 expected_output 契约是否兑现

---

4. 操作模型 (Operational Model — Trigger / Action / Output / Evidence)#

OP-1: 决定是否使用 CrewAI#

• Trigger: 用户描述任务时出现"团队/协作/不同角色"语义
• Action: 检查 §1.1/§1.2 清单 + Phase 0 决策树
• Output: 三选一 — (a) 用 CrewAI Sequential, (b) 用 CrewAI Flow+Crew, (c) 换框架
• Evidence: [§1, github.com/crewAIInc/crewAI README]

OP-2: 设计 agent role/goal/backstory#

• Trigger: 已决定用 Crew，开始建模角色
• Action: 每个 agent 填 role (头衔)、goal (含 {var} 与验收)、backstory (经验+判断偏好)；默认 allow_delegation=False、 max_iter=10
• Output: agents.yaml 或 Python Agent() 调用
• Evidence: [docs.crewai.com/en/concepts/agents, §2.2]

OP-3: 写 Task#

• Trigger: agent 设计完毕，开始拆任务
• Action: description 写 what 不写 how；expected_output 写可校验契约；显式 context=[...]；可选 output_pydantic
• Output: tasks.yaml 或 Task() 调用列表
• Evidence: [docs.crewai.com/en/concepts/tasks, §3.2]

OP-4: 选 Process#

• Trigger: 装配 Crew 前
• Action: 默认 Process.sequential；只有当任务路由真的需要 LLM 动态判断时才用 Process.hierarchical + 自定义 manager_agent（不要用裸 manager_llm）
• Output: process= 与（若 hierarchical）一个带详细 backstory 的 manager_agent
• Evidence: [§5.2, towardsdatascience.com 'Manager-Worker fails']

OP-5: 启用 Memory#

• Trigger: 跨 kickoff 需要"记住"或同一 kickoff 内复杂上下文聚合
• Action: 优先用 task context=[...] 显式传递；只有当真的需要"跨 session 持久"才 memory=True；高级场景考虑 Mem0 后端
• Output: memory=False 或 memory=Memory(scope=...)
• Evidence: [docs.crewai.com/en/concepts/memory, mem0.ai/blog/crewai-memory-production-setup-with-mem0]

OP-6: 加观测与上限#

• Trigger: 上生产前
• Action: mlflow.crewai.autolog() + max_rpm + max_iter 每 agent + 外层 timeout + step_callback
• Output: 可观测、可中止的 Crew
• Evidence: [docs.crewai.com/en/observability/overview, §4]

OP-7: 从 Crew 升级到 Flow#

• Trigger: Crew 出现 — (1) 需要条件分支 (2) 需要多个 Crew 串联 (3) hierarchical 不可控
• Action: 用 @start/ @listen 写 Flow，每个 step 内部可 crew.kickoff()
• Output: 一个 Flow 类，state 用 Pydantic BaseModel
• Evidence: [docs.crewai.com/en/concepts/flows, community.crewai.com/t/5710]

---

5. 困境决策案例 (Dilemma Cases)#

DC-1: Agent 卡住反复重试 — 改 prompt 还是拆 agent？#

场景: writer agent 输出质量差，反复 self-critique，5 次迭代后还在改文章结构。

两条路:

• A. 改 prompt — 把 backstory 写得更具体，goal 加更严的验收。优点：零改动 crew 结构。缺点：当 agent 在做"两件不同的事"（写 + 审），单 prompt 永远抓不住。
• B. 拆 agent — writer + reviewer 双 agent，sequential pass。优点：每个 agent 职责单一，更稳定。缺点：多一次 LLM 调用，token+50%。

判断规则:

1. 看失败案例：失败模式是否 风格不一致？ → 改 backstory
2. 失败模式是否 遗漏检查项（事实错误、格式错误）？ → 拆 agent，让 reviewer 用结构化 checklist
3. 如果 5 次迭代后仍未稳定 → 强信号要拆

推荐: 默认拆。CrewAI 的核心红利就在"单一职责角色"。当你纠结要不要拆，答案 80% 是拆。

"Single-agent is right for approximately 80% of cases; the trap is reaching for multi-agent because it sounds more capable. But once you've committed to multi-agent, the next trap is putting too much in one agent." [daily.dev AI agents guide]

Evidence: [§2.2, anti-patterns]

---

DC-2: Sequential vs Hierarchical — 何时 manager 开销值得？#

场景: 5 个 agent，task 顺序大致固定但偶尔需要根据上游结果跳过某些 task。

陷阱: 看起来"hierarchical 应该能自动路由"， 但实测 hierarchical 会执行所有 task，不会真的按 triage 结果跳过 [towardsdatascience.com Manager-Worker fails]。论文式案例：

text

Query: "Why is my laptop overheating?" (纯技术问题)
期望: triage → technical_agent → done
实际 hierarchical: triage → technical → billing → ... → 最后一个 task 的输出覆盖前面

三条路:

• A. Sequential — 写死顺序，所有 task 都跑。简单稳定但浪费 token。
• B. Hierarchical + 默认 manager_llm — 不推荐。manager 会失控执行所有 task。
• C. Hierarchical + 自定义 manager_agent (带显式分支 backstory) — 可工作但需要细致 prompt 工程。
• D. CrewAI Flow — 用 @listen + 条件函数显式路由，每分支调用一个小 Crew 或单 agent。

判断规则:

1. 路由逻辑可以 用 5 行 Python 表达？ → 用 Flow (D)
2. 路由真的需要 LLM 语义理解（不能写规则）→ Hierarchical + 自定义 manager（C）， 永远不要 靠默认 manager_llm
3. 不确定 → 先 Sequential (A)，性能可接受就停

红线: 永远不要把生产路由依赖 默认 manager_llm——João Moura 团队也承认这是当前最大坑之一 [github.com/crewAIInc/crewAI/discussions/1220]。

Evidence: [§2.3, community.crewai.com/t/5710, towardsdatascience.com]

---

DC-3: 工具共享 vs 每个 agent 独立工具集？#

场景: 你有 web_search、code_executor、db_query 三个工具，3 个 agent (researcher / analyst / reporter)。

两条路:

• A. 全部共享 — 每个 agent tools=[search, exec, db]。简单但 agent 容易"逛工具" — researcher 也调 code_executor 写代码，违背角色分工。
• B. 按角色配 — researcher=[search]，analyst=[exec, db]，reporter=[]（纯综合）。 职责更清晰，错误更可定位。

判断规则:

• CrewAI 官方推荐 B（write once, use everywhere — tool 定义可复用；但每个 agent 只绑定其角色匹配的工具） [docs.crewai.com/en/concepts/tools]
• 如果发现 agent 跨工具滥用 → 收紧工具白名单是最快的 fix
• 工具定义层面共享（同一个 BaseTool 类），但 绑定层面按需

Evidence: [docs.crewai.com/en/concepts/tools, community.crewai.com/t/tool-best-practice-assign-to-agent-or-task/5919]

---

DC-4: Memory 默认关 vs 全开？#

场景: 一个客服 crew，多个会话之间是否需要记住用户？

陷阱:

• memory=True 默认开 short_term + entity，会 自动跑额外 LLM 调用做"记忆 LLM 分析"，token 翻倍
• 当 memory 不对（错召回、过期信息）→ 调试地狱

判断规则:

1. 单 kickoff 内 的上下文 → 用 task context=[...] 显式传， 不用 memory
2. 跨 kickoff 才考虑 memory=True；首选 long_term（SQLite，便宜）
3. 真正生产级 + 高频 → 接 Mem0 后端， 不要用默认 LanceDB [mem0.ai/blog/crewai-memory-production-setup-with-mem0]
4. 调试期一律 memory=False，不然 trace 难读

红线: 不要把"agent 没记住 X"当成必须开 memory 的信号。99% 的情况是 task description 没把 X 写清楚。

Evidence: [docs.crewai.com/en/concepts/memory, §4]

---

DC-5: allow_delegation 开还是关？#

场景: hierarchical 模式下，是否给 worker agent 也开 allow_delegation=True？

陷阱: 多个 agent 都能 delegate → delegation ping-pong，agents 互相传球，token 爆炸 + 超时。已知 GitHub issue [#330 #4783 #2606]。

根因:

1. 循环 delegation（A → B → A → B…）
2. DelegateWorkTool schema 期望 string，新 LLM 传 dict，silent validation 失败 → 重试 [azguards.com delegation ping-pong]
3. max_iter 在 hierarchical 跨 handoff 时不生效，protection 形同虚设

判断规则:

1. 默认 allow_delegation=False 在所有 worker agent 上
2. 仅 manager_agent 开 delegation
3. 即使在 hierarchical，链中至少有一个 agent allow_delegation=False
4. 加全局 token / 时间上限（外层包 timeout）
5. 如果一定要复杂 delegation → 用 Flow 显式编排， 别让 LLM 决定 delegate 给谁

Evidence: [github.com/crewAIInc/crewAI/issues/330, azguards.com, inkog.io/glossary/crewai-infinite-loop]

---

6. 反模式与边界 (Anti-Patterns & Boundaries)#

6.1 五大反模式#

#反模式症状修复AP-1Agent 数量爆炸 (>5 个 agent)协调失败、token 飞涨、debug 困难合并职能近似的 agent；7+ 几乎必拆 FlowAP-2Backstory 不写或写"你是助手"输出风格平庸、判断偏好混乱注入经验、判断偏好、禁忌AP-3依赖默认 hierarchical manager_llmmanager 执行所有 task / 路由错乱永远自定义 manager_agent，或换 FlowAP-4**allow_delegation=True 全开无限 delegation ping-pong默认关，仅 manager 开AP-5没 observability 就上生产**trace 黑盒，故障无法复现上线前必接 MLflow/Maxim/Datadog

6.2 何时 不要 用 CrewAI（重要）#

场景替代方案单 agent 就够（80% 任务）OpenAI/Anthropic SDK + Instructor/Outlines状态机 / 循环 / human-in-the-loop / 中断恢复LangGraph长对话 / 辩论 / 群体决策AutoGen简单工具调用 + handoffOpenAI Swarm / Anthropic Computer Use数据为中心的 RAG (300+ connectors)LlamaIndex严格的低延迟 SLA不用 multi-agent 框架，直接编排需要 production-grade durability + 精细 stateLangGraph (已成 production-deployment 事实标准)

6.3 已知工程坑速查表#

• 日志: Task 内 print() 经常不冒头。用 step_callback 或 verbose=True
• token 预算: hierarchical +30~50%；memory=True 再 +1×（记忆 LLM 分析）
• Pydantic 版本: CrewAI 与某些 langchain-tools 的 pydantic v1/v2 不兼容时常爆错
• manager 模型选择: gpt-4o-mini 不够强，hierarchical 推荐 gpt-4o / Claude Sonnet
• YAML 模板变量: {topic} 在 kickoff(inputs={"topic": ...}) 时替换， 不写在 inputs 里就是字面 "{topic}"

---

7. 生态对照 (Ecosystem Comparison)#

7.1 三大框架定位#

框架一句话定位第一抽象哲学CrewAI"Agents are role-playing teammates"Agent (role)把 LLM 当人格化协作者LangGraph"Agents are nodes in a state graph"Node + State把 agent 当可编译的图AutoGen"Agents are chat participants"Conversation把 agent 当群聊成员

7.2 选择决策树#

text

你的核心需求是什么？
├─ 多角色明确 + 任务可线性串 → CrewAI Sequential
├─ 多角色 + 需要事件驱动分支 → CrewAI Flow（内嵌 Crew）
├─ 状态/循环/中断/恢复/precise control → LangGraph
├─ 多 agent 辩论/谈判/群体决策 → AutoGen
├─ 单 agent + handoff (不需要协作) → OpenAI Swarm / Anthropic
└─ 数据为中心 RAG → LlamaIndex

7.3 CrewAI 独特价值（什么时候首选）#

1. 学习曲线最低 — PM/ops 能读懂 role/goal/backstory
2. YAML 优先 — 提示词与代码分离，非工程人员可改
3. Flow + Crew 混搭 — 既要 LLM agency 又要工程控制时的平衡点
4. 生态轻量 — 无 LangChain 依赖，启动快
5. 角色叙事 = 团队建模工具 — 在跨职能讨论中比 "node graph" 更易达成共识

7.4 CrewAI 已知短板（要承认的）#

1. 生产可靠性 — hierarchical 模式有结构性 bug（OP-4, DC-2, DC-5），LangGraph 在生产部署占优
2. observability — 内置日志薄，必须外接
3. 状态管理 — 比 LangGraph 浅；复杂状态用 Flow 也吃力
4. 测试范式 — eval 工具链不如 LangSmith 成熟
5. AutoGen 近况 — AutoGen 已进入 maintenance，长期看 LangGraph + CrewAI 是双雄

---

Appendix A: 最小可工作示例 (Reference snippet)#

python

from crewai import Agent, Task, Crew, Process

researcher = Agent(
    role="Senior AI Research Analyst",
    goal="Surface 3 emerging trends in {topic} with verifiable citations",
    backstory=(
        "You're a meticulous researcher who distrusts hype and demands "
        "primary sources. You've spent a decade at frontier AI labs."
    ),
    allow_delegation=False,
    max_iter=8,
    verbose=True,
)

writer = Agent(
    role="Technical Writer",
    goal="Turn research findings into a crisp executive brief",
    backstory=(
        "You write for time-poor execs. Bullet points over paragraphs. "
        "You refuse to ship without inline citations."
    ),
    allow_delegation=False,
    max_iter=5,
    verbose=True,
)

research_task = Task(
    description="Research {topic}. Find 3 emerging trends from 2025–2026.",
    expected_output=(
        "Markdown with 3 H2 sections, each: trend name, 2-sentence summary, "
        "≥2 citations (URL + title)."
    ),
    agent=researcher,
)

write_task = Task(
    description="Write an executive brief from the research output.",
    expected_output="≤400 word brief, bullet structure, inline citations preserved.",
    agent=writer,
    context=[research_task],   # 显式
)

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_task],
    process=Process.sequential,
    memory=False,
    verbose=True,
    max_rpm=30,
)

result = crew.kickoff(inputs={"topic": "agentic RAG"})
print(result.raw)

---

Sources (核心引用)#

• docs.crewai.com/en/concepts/agents
• docs.crewai.com/en/concepts/tasks
• docs.crewai.com/en/concepts/flows
• docs.crewai.com/en/concepts/memory
• docs.crewai.com/en/learn/hierarchical-process
• github.com/crewAIInc/crewAI
• github.com/crewAIInc/crewAI/discussions/1220 — manager_agent 正确用法讨论
• github.com/crewAIInc/crewAI/issues/330 — allow_delegation 无限循环
• towardsdatascience.com Manager-Worker fails
• azguards.com/the-delegation-ping-pong
• softwareengineeringdaily.com/2025/06/03/crew-ai-with-joao-moura — João Moura "agency" 哲学
• callsphere.ai/blog/crewai-process-types
• community.crewai.com/t/5710
• mem0.ai/blog/crewai-memory-production-setup-with-mem0
• datacamp.com/tutorial/crewai-vs-langgraph-vs-autogen