หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

โลโก้ของ CrewAI คนสองคนพายเรือ

ลูกเรือเอไอ

CrewAI : กรอบการทำงานที่ล้ำสมัยสำหรับการจัดการตัวแทน AI ที่เป็นอิสระและมีบทบาทตามบทบาท ด้วยการส่งเสริมความฉลาดในการทำงานร่วมกัน CrewAI ช่วยให้เจ้าหน้าที่ทำงานร่วมกันได้อย่างราบรื่นและจัดการกับงานที่ซับซ้อน

หน้าแรก | เอกสารประกอบ | แชทกับเอกสาร | ตัวอย่าง | วาทกรรม

สารบัญ

  • ทำไมต้อง CrewAI?

  • เริ่มต้นใช้งาน

  • คุณสมบัติที่สำคัญ

  • ตัวอย่าง

    • บทช่วยสอนด่วน

    • เขียนคำอธิบายงาน

    • นักวางแผนการเดินทาง

    • การวิเคราะห์หุ้น

  • การเชื่อมต่อลูกเรือของคุณเข้ากับโมเดล

  • CrewAI เปรียบเทียบอย่างไร

  • ผลงาน

  • การวัดและส่งข้อมูลทางไกล

  • ใบอนุญาต

ทำไมต้อง CrewAI?

พลังของการทำงานร่วมกันของ AI มีมากเกินไป CrewAI ได้รับการออกแบบมาเพื่อให้ตัวแทน AI สามารถรับบทบาท แบ่งปันเป้าหมาย และปฏิบัติงานในหน่วยที่เหนียวแน่น เหมือนกับลูกเรือที่ทำงานหนัก ไม่ว่าคุณจะสร้างแพลตฟอร์มผู้ช่วยอัจฉริยะ กลุ่มบริการลูกค้าอัตโนมัติ หรือทีมวิจัยหลายตัวแทน CrewAI มอบแกนหลักสำหรับการโต้ตอบระหว่างตัวแทนหลายรายที่ซับซ้อน

เริ่มต้นใช้งาน

ในการเริ่มต้นกับ CrewAI ให้ทำตามขั้นตอนง่ายๆ เหล่านี้:

1. การติดตั้ง

ตรวจสอบให้แน่ใจว่าคุณได้ติดตั้ง Python >=3.10 <=3.13 บนระบบของคุณ CrewAI ใช้ UV สำหรับการจัดการการพึ่งพาและการจัดการแพ็คเกจ มอบประสบการณ์การตั้งค่าและการดำเนินการที่ราบรื่น

ขั้นแรก ติดตั้ง CrewAI:

 pip ติดตั้ง crewai

หากคุณต้องการติดตั้งแพ็คเกจ 'crewai' พร้อมกับคุณสมบัติเสริมที่มีเครื่องมือเพิ่มเติมสำหรับตัวแทน คุณสามารถทำได้โดยใช้คำสั่งต่อไปนี้:

 pip ติดตั้ง 'crewai [เครื่องมือ]'

คำสั่งด้านบนจะติดตั้งแพ็คเกจพื้นฐานและเพิ่มส่วนประกอบพิเศษที่ต้องการการพึ่งพาเพิ่มเติมในการทำงาน

2. การตั้งค่าทีมงานของคุณด้วยการกำหนดค่า YAML

หากต้องการสร้างโครงการ CrewAI ใหม่ ให้รันคำสั่ง CLI (Command Line Interface) ต่อไปนี้:

 crewai สร้างทีมงาน <project_name>

คำสั่งนี้จะสร้างโฟลเดอร์โปรเจ็กต์ใหม่โดยมีโครงสร้างดังต่อไปนี้: 

my_project/
├── .gitignore
├── pyproject.toml
├── README.md
├── .env
└── src/
    └── my_project/
        ├── __init__.py
        ├── main.py
        ├── crew.py
        ├── tools/
        │   ├── custom_tool.py
        │   └── __init__.py
        └── config/
            ├── agents.yaml
            └── tasks.yaml

ตอนนี้คุณสามารถเริ่มพัฒนาทีมงานของคุณได้โดยแก้ไขไฟล์ในโฟลเดอร์ src/my_project ไฟล์ main.py คือจุดเริ่มต้นของโปรเจ็กต์ ไฟล์ crew.py คือตำแหน่งที่คุณกำหนดลูกทีม ไฟล์ agents.yaml คือตำแหน่งที่คุณกำหนดเอเจนต์ และไฟล์ tasks.yaml คือตำแหน่งที่คุณกำหนดงานของคุณ

หากต้องการปรับแต่งโปรเจ็กต์ของคุณ คุณสามารถ:

  • แก้ไข src/my_project/config/agents.yaml เพื่อกำหนดตัวแทนของคุณ

  • แก้ไข src/my_project/config/tasks.yaml เพื่อกำหนดงานของคุณ

  • แก้ไข src/my_project/crew.py เพื่อเพิ่มตรรกะ เครื่องมือ และอาร์กิวเมนต์เฉพาะของคุณเอง

  • แก้ไข src/my_project/main.py เพื่อเพิ่มอินพุตที่กำหนดเองสำหรับตัวแทนและงานของคุณ

  • เพิ่มตัวแปรสภาพแวดล้อมของคุณลงในไฟล์ . .env

ตัวอย่างทีมงานง่ายๆ ที่มีกระบวนการต่อเนื่อง:

สร้างอินสแตนซ์ให้ลูกเรือของคุณ:

 crewai สร้างลูกเรือล่าสุด-ai-การพัฒนา

แก้ไขไฟล์ตามความจำเป็นเพื่อให้เหมาะกับกรณีการใช้งานของคุณ:

ตัวแทน.yaml

 # src/my_project/config/agents.yamlresearcher: บทบาท: > {topic} เป้าหมายนักวิจัยข้อมูลอาวุโส: > ค้นพบการพัฒนาที่ล้ำหน้าในเรื่องราวเบื้องหลังของ {topic}: > คุณเป็นนักวิจัยที่ช่ำชองและมีความสามารถพิเศษในการเปิดเผยการพัฒนาล่าสุดใน {หัวข้อ}. เป็นที่รู้จักในด้านความสามารถในการค้นหาข้อมูลที่เกี่ยวข้องมากที่สุดและนำเสนอในลักษณะที่ชัดเจนและรัดกุม      Reporting_analyst: บทบาท: > {topic} เป้าหมายของนักวิเคราะห์การรายงาน: > สร้างรายงานโดยละเอียดตาม {topic} การวิเคราะห์ข้อมูลและเรื่องราวเบื้องหลังผลการวิจัย: > คุณเป็นนักวิเคราะห์ที่พิถีพิถันและใส่ใจในรายละเอียด คุณเป็นที่รู้จักในด้านความสามารถในการเปลี่ยนข้อมูลที่ซับซ้อนให้เป็นรายงานที่ชัดเจนและรัดกุม ทำให้ผู้อื่นเข้าใจและดำเนินการกับข้อมูลที่คุณให้ได้อย่างง่ายดาย

งาน.yaml

 # src/my_project/config/tasks.yamlresearch_task: description: > ดำเนินการวิจัยอย่างละเอียดเกี่ยวกับ {topic} ตรวจสอบให้แน่ใจว่าคุณพบข้อมูลที่น่าสนใจและเกี่ยวข้องในปีปัจจุบันคือปี 2024 Expect_output: > รายการที่มีสัญลักษณ์แสดงหัวข้อย่อย 10 หัวข้อที่มีหัวข้อมากที่สุด ข้อมูลที่เกี่ยวข้องเกี่ยวกับตัวแทน {topic}: researcherreporting_task: คำอธิบาย: > ตรวจสอบบริบทที่คุณได้รับและขยายแต่ละหัวข้อออกเป็นส่วนทั้งหมดสำหรับรายงาน    ตรวจสอบให้แน่ใจว่ารายงานมีรายละเอียดและมีข้อมูลที่เกี่ยวข้องทั้งหมด  Expect_output: > รายงานฉบับสมบูรณ์พร้อมหัวข้อหลัก โดยแต่ละหัวข้อมีข้อมูลครบถ้วน    จัดรูปแบบเป็นมาร์กดาวน์โดยไม่มีตัวแทน ````: Reporting_analyst
  ผลลัพธ์_ไฟล์: report.md

crew.py

 # src/my_project/crew.pyfrom นำเข้า crewai ตัวแทน, ลูกเรือ, กระบวนการ, งานจาก crewai.project นำเข้า CrewBase, ตัวแทน, ลูกเรือ, งานจาก crewai_tools นำเข้า SerperDevTool@CrewBaseclass LastAiDevelopmentCrew(): """LatestAiDevelopment ลูกเรือ"""@agentdef researcher (ตนเอง ) -> ตัวแทน: ส่งคืนตัวแทน ( config=self.agents_config['researcher'], verbose=จริง เครื่องมือ=[SerperDevTool()]
		) @agentdef Reporting_analyst(self) -> ตัวแทน: ส่งคืนตัวแทน ( config=self.agents_config['reporting_analyst'], verbose=True
		) @taskdef research_task(self) -> งาน: return Task( config=self.tasks_config['research_task'],
		) @taskdef Reporting_task(self) -> งาน: return Task( config=self.tasks_config['reporting_task'], output_file='report.md'
		) @crewdef crew(self) -> Crew: """สร้างทีม LastAiDevelopment"""return Crew( agent=self.agents, # สร้างโดยอัตโนมัติโดย @agent decoratortasks=self.tasks, # สร้างโดยอัตโนมัติโดย @task มัณฑนากรกระบวนการ = Process.sequential, verbose = True,
		-

main.py

 #!/usr/bin/env python# src/my_project/main.pyimport sysfrom latest_ai_development.crew นำเข้า LastAiDevelopmentCrewdef run():""" เรียกใช้ทีมงาน """inputs = {'topic': 'AI Agents'}LatestAiDevelopmentCrew ().crew().kickoff(อินพุต=อินพุต)

3. ดูแลลูกเรือของคุณ

ก่อนที่จะเรียกใช้ทีมงานของคุณ ตรวจสอบให้แน่ใจว่าคุณได้ตั้งค่าคีย์ต่อไปนี้เป็นตัวแปรสภาพแวดล้อมในไฟล์ .env ของคุณ:

  • คีย์ OpenAI API (หรือคีย์ LLM API อื่นๆ): OPENAI_API_KEY=sk-...

  • คีย์ Serper.dev API: SERPER_API_KEY=YOUR_KEY_HERE

ล็อคการขึ้นต่อกันและติดตั้งโดยใช้คำสั่ง CLI แต่ก่อนอื่น ให้นำทางไปยังไดเร็กทอรีโปรเจ็กต์ของคุณ:

 ซีดี my_project
ติดตั้ง crewai (ไม่บังคับ)

ในการรันทีมงานของคุณ ให้รันคำสั่งต่อไปนี้ในรูทของโปรเจ็กต์ของคุณ:

 ลูกเรือวิ่ง

หรือ

 หลาม src/my_project/main.py

หากมีข้อผิดพลาดเกิดขึ้นเนื่องจากการใช้บทกวี โปรดรันคำสั่งต่อไปนี้เพื่ออัปเดตแพ็คเกจ Crewai ของคุณ:

 อัพเดตลูกเรือ

คุณควรเห็นเอาต์พุตในคอนโซลและควรสร้างไฟล์ report.md ในรูทของโปรเจ็กต์ของคุณด้วยรายงานฉบับสมบูรณ์

นอกเหนือจากกระบวนการตามลำดับ คุณสามารถใช้กระบวนการตามลำดับชั้น ซึ่งจะมอบหมายผู้จัดการให้กับลูกทีมที่กำหนดไว้โดยอัตโนมัติ เพื่อประสานงานการวางแผนและการปฏิบัติงานอย่างเหมาะสม ผ่านการมอบหมายและการตรวจสอบความถูกต้องของผลลัพธ์ ดูข้อมูลเพิ่มเติมเกี่ยวกับกระบวนการต่างๆ ที่นี่

คุณสมบัติที่สำคัญ

  • การออกแบบตัวแทนตามบทบาท : ปรับแต่งเจ้าหน้าที่ด้วยบทบาท เป้าหมาย และเครื่องมือเฉพาะ

  • Autonomous Inter-Agent Delegation : ตัวแทนสามารถมอบหมายงานและสอบถามระหว่างกันเองได้โดยอัตโนมัติ ช่วยเพิ่มประสิทธิภาพในการแก้ปัญหา

  • การจัดการงานที่ยืดหยุ่น : กำหนดงานด้วยเครื่องมือที่ปรับแต่งได้ และมอบหมายงานให้กับเจ้าหน้าที่แบบไดนามิก

  • ขับเคลื่อนกระบวนการ : ขณะนี้รองรับเฉพาะการดำเนินงาน sequential และกระบวนการ hierarchical เท่านั้น แต่ยังมีกระบวนการที่ซับซ้อนมากขึ้น เช่น ความยินยอมและแบบอัตโนมัติที่กำลังทำงานอยู่

  • บันทึกเอาต์พุตเป็นไฟล์ : บันทึกเอาต์พุตของแต่ละงานเป็นไฟล์เพื่อให้คุณสามารถใช้งานได้ในภายหลัง

  • แยกวิเคราะห์ผลลัพธ์เป็น Pydantic หรือ Json : แยกวิเคราะห์ผลลัพธ์ของแต่ละงานเป็นแบบจำลอง Pydantic หรือเป็น Json หากคุณต้องการ

  • ใช้งานได้กับโมเดลโอเพ่นซอร์ส : บริหารทีมของคุณโดยใช้ Open AI หรือโมเดลโอเพ่นซอร์ส โปรดดูที่หน้า เชื่อมต่อ CrewAI กับ LLM สำหรับรายละเอียดเกี่ยวกับการกำหนดค่าการเชื่อมต่อของตัวแทนกับโมเดล แม้แต่โมเดลที่ทำงานในพื้นที่!

CrewAI Mind Map

ตัวอย่าง

คุณสามารถทดสอบตัวอย่างชีวิตจริงต่างๆ ของทีม AI ได้ในคลังตัวอย่าง CrewAI:

  • เครื่องกำเนิดหน้า Landing Page

  • มีข้อมูลจากมนุษย์ในการประหารชีวิต

  • นักวางแผนการเดินทาง

  • การวิเคราะห์หุ้น

บทช่วยสอนด่วน

เขียนคำอธิบายงาน

ตรวจสอบโค้ดสำหรับตัวอย่างนี้หรือดูวิดีโอด้านล่าง:

นักวางแผนการเดินทาง

ตรวจสอบโค้ดสำหรับตัวอย่างนี้หรือดูวิดีโอด้านล่าง:

การวิเคราะห์หุ้น

ตรวจสอบโค้ดสำหรับตัวอย่างนี้หรือดูวิดีโอด้านล่าง:

การเชื่อมต่อลูกเรือของคุณเข้ากับโมเดล

CrewAI รองรับการใช้ LLM ต่างๆ ผ่านตัวเลือกการเชื่อมต่อที่หลากหลาย ตามค่าเริ่มต้น เจ้าหน้าที่ของคุณจะใช้ OpenAI API เมื่อทำการสืบค้นโมเดล อย่างไรก็ตาม มีหลายวิธีในการอนุญาตให้ตัวแทนของคุณเชื่อมต่อกับโมเดลได้ ตัวอย่างเช่น คุณสามารถกำหนดค่าตัวแทนของคุณให้ใช้โมเดลท้องถิ่นผ่านเครื่องมือ Ollama

โปรดดูหน้า Connect CrewAI กับ LLM สำหรับรายละเอียดเกี่ยวกับการกำหนดค่าการเชื่อมต่อของตัวแทนกับโมเดล

CrewAI เปรียบเทียบอย่างไร

ข้อได้เปรียบของ CrewAI : CrewAI สร้างขึ้นโดยคำนึงถึงการผลิตเป็นหลัก โดยนำเสนอความยืดหยุ่นของตัวแทนการสนทนาของ Autogen และแนวทางกระบวนการที่มีโครงสร้างของ ChatDev แต่ไม่มีความแข็งแกร่ง กระบวนการของ CrewAI ได้รับการออกแบบให้มีไดนามิกและปรับเปลี่ยนได้ โดยปรับให้เข้ากับขั้นตอนการพัฒนาและขั้นตอนการผลิตได้อย่างราบรื่น

  • Autogen : แม้ว่า Autogen จะทำได้ดีในการสร้างตัวแทนการสนทนาที่สามารถทำงานร่วมกันได้ แต่ก็ขาดแนวคิดเกี่ยวกับกระบวนการโดยธรรมชาติ ใน Autogen การโต้ตอบของเจ้าหน้าที่ประสานงานจำเป็นต้องมีการเขียนโปรแกรมเพิ่มเติม ซึ่งอาจกลายเป็นเรื่องซับซ้อนและยุ่งยากเมื่อขนาดของงานเพิ่มมากขึ้น

  • ChatDev : ChatDev นำแนวคิดของกระบวนการมาสู่ขอบเขตของตัวแทน AI แต่การใช้งานค่อนข้างเข้มงวด การปรับแต่งใน ChatDev มีจำกัดและไม่ได้มุ่งเน้นไปที่สภาพแวดล้อมการใช้งานจริง ซึ่งอาจขัดขวางความสามารถในการปรับขนาดและความยืดหยุ่นในแอปพลิเคชันในโลกแห่งความเป็นจริง

ผลงาน

CrewAI เป็นโอเพ่นซอร์สและเรายินดีรับการมีส่วนร่วม หากคุณต้องการมีส่วนร่วม โปรด:

  • แยกพื้นที่เก็บข้อมูล

  • สร้างสาขาใหม่สำหรับฟีเจอร์ของคุณ

  • เพิ่มคุณลักษณะหรือการปรับปรุงของคุณ

  • ส่งคำขอดึง

  • ขอขอบคุณสำหรับข้อมูลของคุณ!

การติดตั้งการพึ่งพา

 ล็อคยูวี
ยูวีซิงค์

สภาพแวดล้อมเสมือน

 ยูวี เวนวี

ผูกมัดล่วงหน้า

 ติดตั้งล่วงหน้า

การทดสอบการทำงาน

 ยูวีรัน pytest

กำลังดำเนินการตรวจสอบประเภทคงที่

 uvx mypy

บรรจุภัณฑ์

 สร้างยูวี

การติดตั้งในเครื่อง

 pip ติดตั้ง dist/*.tar.gz

การวัดและส่งข้อมูลทางไกล

CrewAI ใช้การวัดและส่งข้อมูลทางไกลแบบไม่เปิดเผยตัวตนเพื่อรวบรวมข้อมูลการใช้งานโดยมีวัตถุประสงค์หลักในการช่วยเราปรับปรุงห้องสมุดโดยมุ่งเน้นความพยายามของเราไปที่ฟีเจอร์ การผสานรวม และเครื่องมือที่ใช้มากที่สุด

สิ่งสำคัญคือต้องเข้าใจว่า ไม่มีการรวบรวมข้อมูล ที่เกี่ยวข้องกับพร้อมต์ คำอธิบายงาน เรื่องราวเบื้องหลังหรือเป้าหมายของตัวแทน การใช้เครื่องมือ การเรียก API การตอบกลับ ข้อมูลใด ๆ ที่ประมวลผลโดยตัวแทน หรือความลับและตัวแปรสภาพแวดล้อม ยกเว้นเงื่อนไขที่กล่าวถึง . เมื่อเปิดใช้งานคุณสมบัติ share_crew ข้อมูลโดยละเอียดรวมถึงคำอธิบายงาน เรื่องราวเบื้องหลังหรือเป้าหมายของตัวแทน และคุณลักษณะเฉพาะอื่น ๆ จะถูกรวบรวมเพื่อให้ข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้นในขณะที่เคารพความเป็นส่วนตัวของผู้ใช้ เราไม่ได้เสนอวิธีปิดการใช้งานในขณะนี้ แต่เราจะนำเสนอในอนาคต

ข้อมูลที่รวบรวมประกอบด้วย:

  • เวอร์ชันของ CrewAI

    • ดังนั้นเราจึงสามารถทราบจำนวนผู้ใช้ที่ใช้เวอร์ชันล่าสุดได้

  • เวอร์ชันของไพธอน

    • ดังนั้นเราจึงตัดสินใจได้ว่าเวอร์ชันใดที่จะรองรับได้ดีกว่า

  • ระบบปฏิบัติการทั่วไป (เช่น จำนวน CPU, macOS/Windows/Linux)

    • ดังนั้นเราจึงรู้ว่าระบบปฏิบัติการใดที่เราควรมุ่งเน้น และเราสามารถสร้างคุณสมบัติที่เกี่ยวข้องกับระบบปฏิบัติการเฉพาะได้หรือไม่

  • จำนวนตัวแทนและงานในลูกเรือ

    • ดังนั้นเราจึงทำให้แน่ใจว่าเรากำลังทดสอบภายในด้วยกรณีการใช้งานที่คล้ายกันและให้ความรู้แก่ผู้คนเกี่ยวกับแนวทางปฏิบัติที่ดีที่สุด

  • กระบวนการลูกเรือถูกนำมาใช้

    • เข้าใจว่าเราควรมุ่งเน้นความพยายามของเราไปที่ใด

  • หากตัวแทนใช้หน่วยความจำหรืออนุญาตการมอบหมาย

    • ทำความเข้าใจว่าเราปรับปรุงคุณสมบัติหรืออาจจะทิ้งมันไป

  • หากงานถูกดำเนินการแบบขนานหรือตามลำดับ

    • ทำความเข้าใจว่าเราควรให้ความสำคัญกับการดำเนินการแบบคู่ขนานมากกว่านี้หรือไม่

  • รูปแบบภาษาที่ใช้

    • ปรับปรุงการรองรับภาษาที่ใช้บ่อยที่สุด

  • บทบาทของตัวแทนในลูกเรือ

    • ทำความเข้าใจกรณีการใช้งานระดับสูง เพื่อให้เราสามารถสร้างเครื่องมือ การบูรณาการ และตัวอย่างเกี่ยวกับเรื่องนี้ได้ดีขึ้น

  • ชื่อเครื่องมือที่มีอยู่

    • ทำความเข้าใจกับเครื่องมือที่เปิดเผยต่อสาธารณะ เครื่องมือใดที่มีการใช้งานมากที่สุด เพื่อให้เราสามารถปรับปรุงได้

ผู้ใช้สามารถเลือกใช้การส่งข้อมูลทางไกลเพิ่มเติม โดยแบ่งปันข้อมูลการส่งข้อมูลทางไกลที่สมบูรณ์โดยการตั้งค่าแอตทริบิวต์ share_crew เป็น True บนทีมงานของพวกเขา การเปิดใช้งาน share_crew จะส่งผลให้มีการรวบรวมข้อมูลทีมงานโดยละเอียดและการดำเนินการงาน รวมถึง goal backstory context และ output ของงาน ซึ่งช่วยให้เข้าใจรูปแบบการใช้งานได้ลึกซึ้งยิ่งขึ้น ในขณะเดียวกันก็เคารพตัวเลือกของผู้ใช้ในการแบ่งปัน

ใบอนุญาต

CrewAI ได้รับการเผยแพร่ภายใต้ใบอนุญาต MIT

คำถามที่พบบ่อย (FAQ)

ถาม: CrewAI คืออะไร

ตอบ: CrewAI เป็นเฟรมเวิร์กที่ล้ำสมัยสำหรับการจัดการตัวแทน AI ที่เป็นอิสระและมีบทบาทตามบทบาท ช่วยให้ตัวแทนทำงานร่วมกันได้อย่างราบรื่น จัดการกับงานที่ซับซ้อนผ่านระบบอัจฉริยะในการทำงานร่วมกัน

ถาม: ฉันจะติดตั้ง CrewAI ได้อย่างไร

ตอบ: คุณสามารถติดตั้ง CrewAI ได้โดยใช้ pip:

 pip ติดตั้ง crewai

สำหรับเครื่องมือเพิ่มเติม ให้ใช้:

 pip ติดตั้ง 'crewai [เครื่องมือ]'

ถาม: ฉันสามารถใช้ CrewAI กับรุ่นท้องถิ่นได้หรือไม่

ตอบ: ใช่ CrewAI รองรับ LLM หลากหลาย รวมถึงรุ่นท้องถิ่นด้วย คุณสามารถกำหนดค่าตัวแทนของคุณให้ใช้โมเดลท้องถิ่นผ่านเครื่องมือ เช่น Ollama และ LM Studio ตรวจสอบเอกสารประกอบการเชื่อมต่อ LLM สำหรับรายละเอียดเพิ่มเติม

ถาม: คุณสมบัติหลักของ CrewAI คืออะไร?

ตอบ: คุณสมบัติหลักได้แก่ การออกแบบตัวแทนตามบทบาท การมอบหมายระหว่างตัวแทนโดยอัตโนมัติ การจัดการงานที่ยืดหยุ่น การดำเนินการตามกระบวนการ การบันทึกเอาต์พุตเป็นไฟล์ และความเข้ากันได้กับทั้งโมเดลโอเพ่นซอร์สและที่เป็นกรรมสิทธิ์

ถาม: CrewAI เปรียบเทียบกับเครื่องมือจัดการ AI อื่นๆ อย่างไร

ตอบ: CrewAI ได้รับการออกแบบโดยคำนึงถึงการผลิต โดยให้ความยืดหยุ่นคล้ายกับตัวแทนการสนทนาของ Autogen และกระบวนการที่มีโครงสร้างเช่น ChatDev แต่มีความสามารถในการปรับตัวมากขึ้นสำหรับแอปพลิเคชันในโลกแห่งความเป็นจริง

ถาม: CrewAI เป็นโอเพ่นซอร์สหรือไม่

ตอบ: ใช่ CrewAI เป็นโอเพ่นซอร์สและยินดีรับการสนับสนุนจากชุมชน

ถาม: CrewAI รวบรวมข้อมูลใดๆ หรือไม่

ตอบ: CrewAI ใช้การตรวจวัดทางไกลแบบไม่เปิดเผยตัวตนเพื่อรวบรวมข้อมูลการใช้งานเพื่อการปรับปรุง ไม่มีการรวบรวมข้อมูลที่ละเอียดอ่อน (เช่น ข้อความแจ้ง คำอธิบายงาน หรือการเรียก API) ผู้ใช้สามารถเลือกที่จะแบ่งปันข้อมูลโดยละเอียดเพิ่มเติมได้โดยการตั้งค่า share_crew=True บนทีมงานของตน

ถาม: ฉันจะหาตัวอย่างการทำงานของ CrewAI ได้จากที่ไหน

ตอบ: คุณสามารถค้นหาตัวอย่างในชีวิตจริงได้มากมายในพื้นที่เก็บข้อมูลตัวอย่าง CrewAI รวมถึงเครื่องมือวางแผนการเดินทาง เครื่องมือวิเคราะห์หุ้น และอื่นๆ อีกมากมาย

ถาม: ฉันจะสนับสนุน CrewAI ได้อย่างไร

ตอบ: ยินดีต้อนรับการบริจาค! คุณสามารถแยกพื้นที่เก็บข้อมูล สร้างสาขาใหม่สำหรับฟีเจอร์ของคุณ เพิ่มการปรับปรุง และส่งคำขอดึงได้ ตรวจสอบส่วนการสนับสนุนใน README เพื่อดูรายละเอียดเพิ่มเติม

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด