CrewAI 的核心概念就三个：Agent（角色）、Crew（团队）、Task（任务）——定义几个有专长的 AI 角色，组成团队，分配任务，像同事一样协作。技术上独立于 LangChain 从零构建，QA 任务实测比 LangGraph 快 5.76 倍。双模式架构：Crews 模式 Agent 自治决策，适合探索性任务；Flows 模式事件驱动精确控制，适合生产环境。
团队背景
创始人 João Moura 曾在 Clearbit 负责 AI 工程，2024 年获 1,800 万美元融资（Insight Partners 等），GitHub 38,100 颗星，10 万+认证开发者。
低代码
CLI
这是两个模式。
CrewAI simplifies the agent production process without sacrificing the control enterprises demand.
Know what to automate before you build
CrewAI Discovery matches patterns observed over billions of agent runs against your tickets, chats, apps, and workflows. You get a list of automation opportunities ranked by effort, value, and readiness.
CrewAI Discovery 通过分析数十亿次智能体运行记录，识别出与您的工单、聊天、应用和工作流相匹配的模式。您将获得一份自动化机会清单，该清单根据实施难度、业务价值和就绪度进行了排序。
Agentic use case generator powered by billions of agent runs
Interactive suggestions refine and improve recommended automations
Agent automations in shareable presentation format accelerates team alignment
Accelerated path to build automations with one-click context
基于数十亿次智能体运行驱动的智能体用例生成器
交互式建议助力优化与完善自动化推荐方案
以可分享演示形式呈现的智能体自动化方案，加速团队达成共识
依托“一键获取上下文”功能，加速自动化构建流程
Easy to build multi-agent workflows
Anyone who needs to build an agent can work with CrewAI. Use simple visual build tools to sophisticated CLI or APIs for complex multi-agent orchestrations, CrewAI flexes to meet you where you are.
任何需要构建智能体（Agent）的人都可以使用 CrewAI。无论你是使用简单的可视化构建工具，还是利用复杂的 CLI 或 API 来编排多智能体系统，CrewAI 都能灵活适应你的需求。
No-code visual editor, exportable to Python
Code-first API built for total control
Role-based agents separate and simplify agent orchestration
Create deterministic agent workflows
支持导出为 Python 代码的无代码可视化编辑器
专为实现全面掌控而构建的“代码优先”型 API
基于角色的智能体机制，实现智能体编排的解耦与简化
构建确定性的智能体工作流
Manage production agents with control and confidence
CrewAI's Control Plane sits in the execution path of every workflow, ensuring every agent interaction is observable, compliant, and reversible
CrewAI 的控制平面（Control Plane）位于每个工作流的执行路径上，确保每一次智能体交互都可观测、合规且可回溯。
Real-time tracing of every LLM call, tool call, and memory read is observable with full cost accounting
RBAC and audit provide granular control, immutable audit trails, and Enterprise IAM
Human-in-the-loop approval gates and intervention during execution
Runtime hooks inject PII redaction and policy checks at every LLM and tool call
可实时追踪每一次 LLM 调用、工具调用及内存读取，并进行完整的成本核算
RBAC（基于角色的访问控制）与审计功能提供细粒度控制、不可篡改的审计追踪及企业级 IAM 支持
支持执行过程中的人工审批与人工干预
利用运行时钩子（Runtime hooks），在每次 LLM 和工具调用时自动执行 PII（个人身份信息）脱敏与策略检查
Build agents that get better with every run
CrewAI turns every production run into training data to sharpen accuracy, save money, and surface the next workflow to build
CrewAI 将每一次生产运行转化为训练数据，旨在提升准确性、降低成本，并挖掘出下一个值得构建的工作流。
Automated and human-guided training for continuous improvement
Multi-LLM testing for model swapping at runtime, find the right model for every workflow
Evaluation for native tracking with expanded sophistication powered by Arize, Galileo, DataDog, and Patronus
Real-time tracing for every LLM call, tool call, and memory read is observable with full cost accounting
支持持续改进的自动化与人工引导式训练
支持运行时模型切换的多 LLM 测试，为各类工作流程匹配最合适的模型
基于 Arize、Galileo、DataDog 和 Patronus 赋能的评估功能，实现更精细的原生追踪
针对每次 LLM 调用、工具调用及内存读取进行实时追踪与可观测性监控，并提供完整的成本核算
--
CrewAI
CrewAI Documentation - CrewAI