CrewAI

CrewAI 是一套面向企业的智能体构建与运行平台，官网 crewai.com。它把多智能体协作写成了「角色 + 任务」的组合：给每个智能体设定身份、目标与可用工具，让它们按流程互相交接，而不是让一个大模型包办全部步骤。

形态上它分两层：一层是画布式无代码构建器，业务人员可以拖出流程并跑通；另一层是 Python API，工程团队用代码定义角色、任务与回调，把同一套编排逻辑接进自家系统。上面再叠一层 Control Plane，负责可观测性、RBAC 权限、审计日志与人工审核节点——这部分是企业版的关键。Discovery 则用来自动扫出团队里适合交给智能体的环节。官方称约 65% 的财富 500 强企业正在使用。

它属于 AI智能体 分类——与 Dify 相比，它更强调角色化协作与治理层；和 Manus 这类通用执行型智能体相比，它交付的是「可运营的平台」而不是一次性的任务结果。框架本身开源，企业功能另行报价。

• 大陆网络：官网与云服务在境外，国内访问需自备国际网络
• 文档与社区以英文为主，代码示例均为英文
• 邮箱注册即可使用云端控制面
• 框架开源免费，企业级治理功能按报价收费

• 画布式构建器，不写码也能搭流程
• Python API 承接工程化接入
• 角色化多智能体协作编排
• Control Plane 提供可观测与审计
• RBAC 权限按角色分发
• 人审节点卡住高风险动作
• Discovery 自动发现可做的场景
• 开源框架，企业版带治理层

1. 判断路径：业务侧用画布构建器试流程，工程侧用 Python SDK 写编排；先用最小流程验证角色分工是否合理。
2. 定义角色与任务：给每个智能体写清目标、职责边界与可用工具，任务描述里写明交付格式，避免互相推诿。
3. 接上数据与工具：把检索、接口与本地数据挂给对应角色，注意按最小授权开放。
4. 加治理：需要留痕的场景打开审计日志，按岗位配 RBAC，关键动作前插人审节点。
5. 上线观测：通过控制面看每一步耗时、工具调用与失败率，再据此调整编排。

建议从一个边界清楚的流程切入，比如「收集资料并产出报告」：角色少、交付物明确，出了问题也容易定位到是哪个角色的哪条指令写得含糊。

优点

• 既能给业务用画布，也能给工程用 API
• 角色与任务的抽象贴近真实分工
• 治理面完整，审计与权限现成可用
• 框架开源，自建与自托管都可行
• Discovery 能帮团队找到该做哪一步

局限

• 界面与文档以英文为主，代码示例全英文
• 大陆访问需自备国际网络
• 企业级治理与团队功能按报价收费
• 复杂流程仍要工程团队设计编排

• 场景一：售前方案。研究员角色查资料与竞品，方案角色据此成稿，审核角色核对数据口径，人工在发送前过一眼。
• 场景二：合规问答。把内部制度喂给检索角色，问答只从受控资料里取材，权限配置到部门级。
• 场景三：流程自动化。工单分类、资料收集与回复草稿分给不同角色，异常分支自动转人工。
• 场景四：平台化自建。团队用 Python API 把编排接进内部系统，控制面里统一看运行情况与成本。

四者都属 AI智能体，但关注点不同：CrewAI 押注角色分工与企业级管控，Dify 押注低门槛编排与自托管，n8n 押注跨系统自动化，Manus 押注交出目标后的自主执行。团队规模上得去、又要求权限与审计留痕的，CrewAI 的 Control Plane 更对得上需求。

框架开源免费；企业级治理与团队功能按报价收费

价格与档位可能随时调整，以上信息以官网为准。

• 售前方案生成：资料汇总到成稿
• 研究型代理：多角色分工查证与撰写
• 流程自动化：多步任务按角色串联
• 合规场景：高风险动作走人工审核
• 自建平台：把自研智能体接进自家系统

以下工具与 CrewAI 在场景上有交集或重叠，可一并比较：