本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在这里。
今天我们讲第一个AI Agent例子：用CrewAI配置一个软件虚拟团队。实际上，这个需要有69行代码，那为什么不叫开发而叫配置呢？因为代码中几乎没有程序化的内容，基本上就是配置信息。
一、目标
本例中Agent实现的目标是配置一个虚拟开发团队，这个团队中有资深程序员，还有测试工程师，两者协作完成一个具体的开发任务。当然这需要大模型的支持和经过多轮迭代。两种角色经过协调和博弈，让结果越来越接近于人类设定的目标。最后得到的成果是整套源代码。
二、原理
CrewAI是一种AI Agent框架，适合做多种角色Agent协同的应用，因为Crew的意思是"船员"或"机组"，寓意着几个分工不同的虚拟人共同配合完成一个总体的任务。在配置中，需要有以下几个元素：
1、智能体
我们定义了programmer和qa_engineer两个智能体，这些智能体有目标要求和表示角色的技能声明，当然这是通过大模型提示词实现的。
2、任务
与智能体相匹配的任务有development_task和testing_task两种，这些任务要设定由哪个智能体来执行，而且任务之间也有工作成果的交接。
3、团队
智能体、任务以及执行方法共同组成一个团队，通过kickoff（开球）方法开始运转。
三、源码
69行源码全部给出（公众号不便查看源码的话，可到的chapter-x-0base目录查看）。
ini
import os
from crewai import Agent, Task, Crew, Process
os.environ['OPENAI_API_BASE'] = 'http://localhost:11434/v1'
os.environ["OPENAI_API_KEY"] = "EMPTY"
os.environ["OPENAI_MODEL_NAME"] = "openai/qwen3"
class DevelopmentCrew:
def __init__(self, development_description, testing_description):
# 定义程序员智能体
self.programmer = Agent(
role="资深程序员",
goal="编写高质量、可维护的代码，实现功能需求",
backstory="你是一位经验丰富的程序员，精通多种编程语言和设计模式。" +
"你注重代码质量，善于编写清晰、高效的代码，并且有很强的逻辑思维能力。",
verbose=True,
max_execution_time=300
)
# 定义测试工程师智能体
self.qa_engineer = Agent(
role="测试工程师",
goal="确保代码质量，发现并报告缺陷，验证功能完整性",
backstory="你是一位严谨的测试工程师，对细节极其敏感。" +
"你擅长设计测试用例，能够发现各种边界条件和潜在问题，" +
"确保交付的代码达到高质量标准。",
verbose=True,
max_execution_time=300
)
# 定义开发任务
self.development_task = Task(
description=development_description,
agent=self.programmer,
expected_output="完整的Python代码实现，包含所有要求的功能和必要的注释"
)
# 定义测试任务
self.testing_task = Task(
description=testing_description,
agent=self.qa_engineer,
expected_output="详细的测试报告，包含测试用例、发现的问题和改进建议",
context=[self.development_task]
)
# 创建并运行开发团队
def invoke(self):
dev_crew = Crew(
agents=[self.programmer, self.qa_engineer],
tasks=[self.development_task, self.testing_task],
process=Process.sequential,
verbose=True
)
print("开始软件开发流程...")
print("第一阶段：程序员进行功能开发")
print("第二阶段：测试工程师进行质量验证")
result = dev_crew.kickoff()
print("\n开发流程完成，最终结果:")
print(result)
return result.raw
if __name__ == "__main__":
# 从主函数传入任务描述
dev_description = """开发一个用户管理系统，包含以下功能：
1. 用户注册（用户名、邮箱、密码）
2. 用户登录验证
3. 用户信息查询
4. 密码重置功能
请使用Python编写清晰的代码，包含必要的注释和错误处理。"""
test_description = """对开发的用户管理系统进行全面测试：
1. 设计测试用例覆盖正常流程和异常情况
2. 进行边界值测试和错误处理测试
3. 验证所有功能是否符合需求
4. 提供详细的测试报告和改进建议"""
dev_crew = DevelopmentCrew(dev_description, test_description)
dev_crew.invoke()四、运行
1、环境安装
用Miniconda建立一个Python虚拟环境，本案例只依赖于crewai库。大模型是在上一节装好的，程序调到API时，Ollama会自动装载qwen3模型的。
ini
# 创建虚拟环境
conda create -n part02 python=3.13 -y
# 激活虚拟环境
conda activate part02
# 安装依赖库
pip install crewai==0.201.1 -i https://pypi.mirrors.ustc.edu.cn/simple2、运行
python agent_crewai.py五、运行结果
开始运行时，团队开始思考，制定计划，然后进入多轮迭代。
经过多轮迭代，最后生成目标源码和测试用例，结果如下：
至于最后的结果是否符合预期，主要是和模型的能力有关，我们用Ollama跑量化模型，效果应一般，如果要得到更好的效果，得用GPU部署更大的、精度更高的模型。
未完待续！
学习资源推荐
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在这里。