【CrewAI系列2】CrewAI 环境搭不好？纯小白从零部署指南，10 分钟搞定（命令可复制）

10 分钟搭建 CrewAI 环境

作者：测试员周周
系列：CrewAI 多 Agent 测试框架实战（第 2 篇）
字数：约 3,000 字
阅读时间：8 分钟

1. 环境要求

1.1 系统要求

组件	最低要求	推荐配置
操作系统	Windows 10 / macOS 11 / Linux	Linux (Ubuntu 20.04+)
Python	3.10+	3.12
内存	4GB	8GB+
网络	能访问 LLM API	稳定的网络连接

1.2 检查 Python 版本

bash 复制代码

# macOS/Linux
python3 --version

# Windows
python --version

# 应该显示：Python 3.10.x 或更高

如果版本太低： - macOS：brew install python@3.12 - Ubuntu：sudo apt install python3.12

Windows：下载安装 www.python.org/

2. 创建虚拟环境

2.1 为什么需要虚拟环境？

原因：

隔离依赖 - 避免与系统 Python 冲突
版本管理 - 不同项目可用不同版本
干净卸载 - 删除虚拟环境即可

❌ 不推荐：

bash 复制代码

# 直接安装到系统 Python
pip install crewai  # 可能影响其他项目

✅ 推荐：

bash 复制代码

# 创建虚拟环境
python3 -m venv venv

# 激活后安装
source venv/bin/activate
pip install crewai  # 只影响当前项目

2.2 创建虚拟环境

Linux/macOS：

bash 复制代码

# 创建项目目录
mkdir -p ~/crewai-demo
cd ~/crewai-demo

# 创建虚拟环境
python3 -m venv venv

# 激活虚拟环境
source venv/bin/activate

# 验证（应该显示虚拟环境路径）
which python
# 输出：/home/yourname/crewai-demo/venv/bin/python

Windows：

bash 复制代码

# 创建项目目录
mkdir crewai-demo
cd crewai-demo

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
.\venv\Scripts\Activate

# 验证
where python

2.3 升级 pip

bash 复制代码

# 升级 pip（避免安装问题）
pip install --upgrade pip

# 验证
pip --version
# 应该显示：pip 23.x 或更高

3. 安装 CrewAI

3.1 安装核心包

bash 复制代码

# 安装 CrewAI 核心
pip install crewai

# 安装 CrewAI 工具包
pip install crewai-tools

# 安装其他依赖
pip install requests python-dotenv pydantic

安装时间： 约 2-5 分钟（取决于网络） 安装包大小： 约 200MB

3.2 验证安装

bash 复制代码

# 检查 CrewAI 版本
python -c "import crewai; print(f'CrewAI: {crewai.__version__}')"

# 应该显示：CrewAI: 1.14.1 或类似版本

创建测试文件 test_install.py：

ini 复制代码

from crewai import Agent, Task, Crew

print("✅ CrewAI 导入成功")

# 创建最简单的 Agent
agent = Agent(
    role="测试助手",
    goal="验证安装",
    backstory="你验证 CrewAI 安装是否成功"
)

print("✅ Agent 创建成功")

# 创建 Task
task = Task(
    description="说你好",
    expected_output="问候语",
    agent=agent
)

print("✅ Task 创建成功")

# 创建 Crew
crew = Crew(agents=[agent], tasks=[task])

print("✅ Crew 创建成功")
print("🎉 安装完成！")

运行：

复制代码

python test_install.py

预期输出：

arduino 复制代码

✅ CrewAI 导入成功
✅ Agent 创建成功
✅ Task 创建成功
✅ Crew 创建成功
🎉 安装完成！

4. 配置 LLM API Key

4.1 选择 LLM 提供商

CrewAI 支持多种 LLM，我推荐阿里巴巴 DashScope（通义千问）：

提供商	模型	价格	延迟	中文支持
阿里云 DashScope	qwen-plus	¥0.004/1K tokens	低	⭐⭐⭐⭐⭐
OpenAI	gpt-4o-mini	$0.15/1M tokens	中	⭐⭐⭐⭐
智谱 AI	glm-4	¥0.005/1K tokens	低	⭐⭐⭐⭐⭐
百度文心	ernie-bot	¥0.008/1K tokens	中	⭐⭐⭐⭐⭐

为什么选 DashScope？

中文支持最好 - 原生中文训练
价格低廉 - 约 OpenAI 的 1/10
延迟低 - 国内服务器
无需翻墙 - 直接访问

4.2 获取 DashScope API Key

步骤 1：访问官网 打开 dashscope.console.aliyun.com/

步骤 2：注册/登录 - 有阿里云账号直接登录

没有就注册（需要手机号验证）

步骤 3：进入 API-KEY 管理 登录后，点击左侧菜单"API-KEY 管理"

步骤 4：创建 API Key - 点击"创建新的 API-KEY" - 输入名称（如：crewai-test）

点击确定

步骤 5：复制 Key - Key 格式：sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

重要：只显示一次，立即复制保存！

4.3 配置环境变量

方式 1：临时配置（当前终端有效）

ini 复制代码

# macOS/Linux
export DASHSCOPE_API_KEY=sk-your-api-key-here

# Windows PowerShell
$env:DASHSCOPE_API_KEY="sk-your-api-key-here"

# Windows CMD
set DASHSCOPE_API_KEY=sk-your-api-key-here

方式 2：永久配置（推荐） Linux/macOS：

bash 复制代码

# 添加到 ~/.bashrc 或 ~/.zshrc
echo 'export DASHSCOPE_API_KEY=sk-your-api-key-here' >> ~/.bashrc

# 重新加载
source ~/.bashrc

# 验证
echo $DASHSCOPE_API_KEY
# 应该显示：sk-xxxx...

Windows：

ruby 复制代码

# 添加到用户环境变量
[System.Environment]::SetEnvironmentVariable(
    "DASHSCOPE_API_KEY", 
    "sk-your-api-key-here", 
    "User"
)

# 重启终端后验证
echo $env:DASHSCOPE_API_KEY

方式 3：使用 .env 文件（推荐用于项目）

ini 复制代码

# 创建 .env 文件
cat > .env << EOF
# 阿里巴巴 DashScope 配置
DASHSCOPE_API_KEY=sk-your-api-key-here
DASHSCOPE_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

# 模型配置
OPENAI_MODEL=qwen-plus
EOF

# 在代码中加载

4.4 验证 API Key

创建测试文件 test_api.py：

python 复制代码

import os
from crewai import LLM

# 获取 API Key
api_key = os.getenv("DASHSCOPE_API_KEY")

if not api_key:
    print("❌ 错误：未找到 DASHSCOPE_API_KEY")
    print("请设置环境变量后重试")
    exit(1)

print(f"✅ API Key: {api_key[:15]}...")

# 创建 LLM
llm = LLM(
    model="qwen-plus",
    api_key=api_key,
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

print("✅ LLM 创建成功")

# 测试调用
try:
    response = llm.call("你好，请用一句话介绍你自己")
    print(f"✅ API 调用成功")
    print(f"响应：{response[:50]}...")
except Exception as e:
    print(f"❌ API 调用失败：{e}")

运行：

复制代码

python test_api.py

预期输出：

erlang 复制代码

✅ API Key: sk-xxxxxxxx...
✅ LLM 创建成功
✅ API 调用成功
响应：你好！我是一个人工智能助手...

5. 完整项目结构

5.1 推荐目录结构

bash 复制代码

crewai-demo/
├── venv/                    # 虚拟环境（不提交到 Git）
├── .env                     # 环境变量（不提交到 Git）
├── .gitignore               # Git 忽略文件
├── requirements.txt         # 依赖包
├── hello.py                 # 第一个 Agent
└── test_api.py             # API 测试

5.2 创建 .gitignore

ini 复制代码

cat > .gitignore << EOF
# Python
__pycache__/
*.py[cod]
*.pyo
*.pyd
.Python
venv/
env/
.venv/

# 环境变量
.env

# IDE
.vscode/
.idea/
*.swp
*.swo

# 系统文件
.DS_Store
Thumbs.db
EOF

5.3 创建 requirements.txt

shell 复制代码

cat > requirements.txt << EOF
crewai>=1.14.0
crewai-tools>=0.1.0
requests>=2.31.0
python-dotenv>=1.0.0
pydantic>=2.5.0
EOF

6. 常见问题解答

Q1: pip install 失败怎么办？

错误信息：

arduino 复制代码

ERROR: Could not find a version that satisfies the requirement crewai

解决方案：

bash 复制代码

# 1. 升级 pip
pip install --upgrade pip

# 2. 使用国内镜像
pip install crewai -i https://pypi.tuna.tsinghua.edu.cn/simple

# 3. 检查 Python 版本（需要 3.10+）
python --version

Q2: API Key 错误怎么办？

错误信息：

javascript 复制代码

openai.AuthenticationError: Error code: 401

解决方案：

bash 复制代码

# 1. 检查环境变量
echo $DASHSCOPE_API_KEY

# 2. 重新设置
export DASHSCOPE_API_KEY=sk-your-key

# 3. 验证 Key 是否有效
# 访问 https://dashscope.console.aliyun.com/ 查看状态

Q3: 网络连接超时怎么办？

错误信息：

makefile 复制代码

ConnectionTimeout: HTTPSConnectionPool...

解决方案：

bash 复制代码

# 1. 检查网络
ping dashscope.aliyuncs.com

# 2. 使用国内镜像源
export DASHSCOPE_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

# 3. 检查防火墙
# 确保 443 端口开放

Q4: 虚拟环境无法激活怎么办？

Linux/macOS：

bash 复制代码

# 使用完整路径
source /home/yourname/crewai-demo/venv/bin/activate

# 或者重新创建
rm -rf venv
python3 -m venv venv
source venv/bin/activate

Windows：

python 复制代码

# 允许执行脚本
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

# 激活
.\venv\Scripts\Activate

Q5: 如何退出虚拟环境？

bash 复制代码

# Linux/macOS/Windows
deactivate

# 验证（应该显示系统 Python）
which python

7. 小结

本教程完成：

✅ 创建 Python 虚拟环境
✅ 安装 CrewAI 和依赖
✅ 配置 DashScope API Key
✅ 验证安装成功
✅ 创建项目结构

下一步：

第 3 篇：创建你的第一个 Agent
第 4 篇：理解 Agent 核心参数

作者说 ：环境搭建是第一步，也是最重要的一步。花 10 分钟配置好环境，后续学习会顺利很多。 欢迎我获取更多 AI+ 测试实战内容！

📚 系列文章索引

序号	文章	状态
01	CrewAI 是什么？	✅ 已完成
02	10 分钟搭建环境	✅ 本篇
03	第一个 Agent	📝 下一篇
04	理解核心参数	⏳ 待发布
...	...	...

作者：测试员周周，14 年测试经验，专注 AI+ 测试实战