团队

什么是团队？¶

在crewAI中，团队代表一组协作的代理，共同完成一系列任务。每个团队定义了任务执行、代理协作和整体工作流程的策略。

团队属性¶

属性	参数	描述
任务	`tasks`	分配给团队的任务列表。
代理	`agents`	属于该团队的代理列表。
流程 (可选)	`process`	团队遵循的流程（例如，顺序、层次）。默认为`sequential`。
详细 (可选)	`verbose`	执行期间的日志详细级别。默认为`False`。
管理LLM (可选)	`manager_llm`	在层次流程中，管理代理使用的语言模型。在使用层次流程时必需。
函数调用LLM (可选)	`function_calling_llm`	如果传递，团队将使用此LLM为所有代理进行工具函数调用。每个代理可以有自己的LLM，这将覆盖团队用于函数调用的LLM。
配置 (可选)	`config`	团队的可选配置设置，格式为`Json`或`Dict[str, Any]`。
最大RPM (可选)	`max_rpm`	团队在执行期间遵守的最大每分钟请求量。默认为`None`。
语言 (可选)	`language`	团队使用的语言，默认为英语。
语言文件 (可选)	`language_file`	团队使用的语言文件路径。
内存 (可选)	`memory`	用于存储执行记忆（短期、长期、实体记忆）。默认为`False`。
缓存 (可选)	`cache`	指定是否使用缓存来存储工具执行的结果。默认为`True`。
嵌入器 (可选)	`embedder`	团队使用的嵌入器配置。目前主要用于内存。默认为`{"provider": "openai"}`。
完整输出 (可选)	`full_output`	团队是否应返回包含所有任务输出的完整输出，还是仅返回最终输出。默认为`False`。
步骤回调 (可选)	`step_callback`	每个代理每一步后调用的函数。可用于记录代理的操作或执行其他操作；不会覆盖代理特定的`step_callback`。
任务回调 (可选)	`task_callback`	每个任务完成后调用的函数。用于监控或任务执行后的其他操作。
共享团队 (可选)	`share_crew`	是否希望与crewAI团队共享完整的团队信息和执行，以改进库，并允许我们训练模型。
输出日志文件 (可选)	`output_log_file`	是否希望有一个包含完整团队输出和执行的文件。可以使用True设置，它将默认为当前所在的文件夹，并命名为logs.txt，或者传递一个包含完整路径和文件名的字符串。
管理代理 (可选)	`manager_agent`	`manager`设置一个将用作管理的自定义代理。
管理回调 (可选)	`manager_callbacks`	`manager_callbacks`接受一个回调处理程序列表，在层次流程中使用时由管理代理执行。
提示文件 (可选)	`prompt_file`	团队使用的提示JSON文件路径。
规划 (可选)	`planning`	为团队添加规划能力。在每次团队迭代之前激活，所有团队数据将发送到AgentPlanner，该规划器将规划任务，并将此计划添加到每个任务描述中。
规划LLM (可选)	`planning_llm`	规划过程中AgentPlanner使用的语言模型。

团队最大RPM

max_rpm属性设置了团队可以执行的最大每分钟请求量，以避免速率限制，并且如果设置，将覆盖单个代理的max_rpm设置。

团队输出¶

理解团队输出

crewAI框架中团队的输出封装在CrewOutput类中。这个类提供了一种结构化的方式来访问团队执行的结果，包括各种格式，如原始字符串、JSON和Pydantic模型。 CrewOutput包括最终任务输出、令牌使用情况和各个任务输出的结果。

团队输出属性¶

属性	参数	类型	描述
原始	`raw`	`str`	团队的原始输出。这是输出的默认格式。
Pydantic	`pydantic`	`Optional[BaseModel]`	表示团队结构化输出的Pydantic模型对象。
JSON字典	`json_dict`	`Optional[Dict[str, Any]]`	表示团队JSON输出的字典。
任务输出	`tasks_output`	`List[TaskOutput]`	`TaskOutput`对象列表，每个对象代表团队中一个任务的输出。
令牌使用	`token_usage`	`Dict[str, Any]`	令牌使用情况的摘要，提供对语言模型执行期间性能的洞察。

团队输出方法和属性¶

方法/属性	描述
json	如果输出格式为JSON，则返回团队输出的JSON字符串表示。
to_dict	将JSON和Pydantic输出转换为字典。
str	返回团队输出的字符串表示，优先考虑Pydantic，然后是JSON，最后是原始。

访问团队输出¶

一旦团队执行完毕，其输出可以通过Crew对象的output属性访问。CrewOutput类提供了各种与输出交互和展示的方式。

示例¶

# 示例团队执行
crew = Crew(
    agents=[research_agent, writer_agent],
    tasks=[research_task, write_article_task],
    verbose=True
)


crew_output = crew.kickoff()

# 访问团队输出
print(f"原始输出: {crew_output.raw}")
if crew_output.json_dict:
    print(f"JSON输出: {json.dumps(crew_output.json_dict, indent=2)}")
if crew_output.pydantic:
    print(f"Pydantic输出: {crew_output.pydantic}")
print(f"任务输出: {crew_output.tasks_output}")
print(f"令牌使用: {crew_output.token_usage}")

内存利用¶

团队可以利用内存（短期、长期和实体内存）来增强其执行和学习能力。这个特性允许团队存储和回忆执行记忆，帮助决策和任务执行策略。

缓存利用¶

缓存可以用来存储工具执行的结果，通过减少重复执行相同任务的需要，使过程更加高效。

团队使用指标¶

团队执行后，您可以通过usage_metrics属性查看所有任务执行的语言模型（LLM）使用指标。这提供了对操作效率和改进领域的洞察。

# 访问团队的用量指标
crew = Crew(agents=[agent1, agent2], tasks=[task1, task2])
crew.kickoff()
print(crew.usage_metrics)

团队执行流程¶

顺序流程：任务按顺序执行，允许线性工作流程。
层次流程：管理代理协调团队，委派任务并在继续之前验证结果。注意：对于此流程，需要manager_llm或manager_agent，这对于验证流程至关重要。

启动团队¶

一旦您的团队组建完成，使用kickoff()方法启动工作流程。这将根据定义的流程开始执行过程。

# 开始团队的任务执行
result = my_crew.kickoff()
print(result)

启动团队的不同方式¶

一旦您的团队组建完成，使用适当的启动方法启动工作流程。CrewAI提供了多种方法来更好地控制启动过程：kickoff()、kickoff_for_each()、kickoff_async()和kickoff_for_each_async()。

kickoff()：根据定义的流程开始执行过程。
kickoff_for_each()：为每个代理单独执行任务。
kickoff_async()：异步启动工作流程。
kickoff_for_each_async()：异步地为每个代理单独执行任务。

# 开始团队的任务执行
result = my_crew.kickoff()
print(result)

# 使用kickoff_for_each的示例
inputs_array = [{'topic': 'AI in healthcare'}, {'topic': 'AI in finance'}]
results = my_crew.kickoff_for_each(inputs=inputs_array)
for result in results:
    print(result)

# 使用kickoff_async的示例
inputs = {'topic': 'AI in healthcare'}
async_result = my_crew.kickoff_async(inputs=inputs)
print(async_result)

# 使用kickoff_for_each_async的示例
inputs_array = [{'topic': 'AI in healthcare'}, {'topic': 'AI in finance'}]
async_results = my_crew.kickoff_for_each_async(inputs=inputs_array)
for async_result in async_results:
    print(async_result)

这些方法提供了管理团队内任务执行方式的灵活性，允许根据您的需求进行同步和异步工作流程。

从特定任务重新播放¶

您现在可以使用我们的CLI命令replay从特定任务重新播放。

CrewAI中的重新播放功能允许您使用命令行界面（CLI）从特定任务重新播放。通过运行命令crewai replay -t <task_id>，您可以指定重新播放过程的task_id。

启动将为您保存最新的启动返回的任务输出，以便您能够从特定任务重新播放。

使用CLI从特定任务重新播放¶

要使用重新播放功能，请按照以下步骤操作：

打开您的终端或命令提示符。
导航到您的CrewAI项目所在的目录。
运行以下命令：

要查看最新的启动任务ID，请使用：

crewai log-tasks-outputs

然后，要从特定任务重新播放，请使用：

crewai replay -t <task_id>

这些命令允许您从最新的启动任务重新播放，同时保留先前执行任务的上下文。