我的第一个AI Agent：从零开始，构建自动化研究团队（基于CrewAI）

pip install crewai crewai_tools[tools]

import os
from crewai import Agent, Task, Crew, Process
from crewai_tools import SerperDevTool

# --- 设置OpenAI API Key ---
# 建议使用环境变量，而不是硬编码
# os.environ["OPENAI_API_KEY"] = "sk-YOUR_API_KEY_HERE"
# 如果你想使用 SerpApi 进行搜索，也需要设置其API Key
# os.environ["SERPER_API_KEY"] = "Your_Serper_API_Key"

# 创建一个搜索工具，让我们的Agent可以使用
search_tool = SerperDevTool()

# --- 1. “招聘”我们的AI Agent ---

# 定义我们的首席技术研究员: 小王
researcher = Agent(
  role='首席技术研究员',
  goal='精准、深入地调研关于“AI在量化交易中的应用”的最新动态、技术和挑战',
  backstory="""你是一名在全球顶级对冲基金工作的技术研究员。
  你以快速、准确地找到并提炼最前沿的技术信息而闻名。""",
  verbose=True,  # 打印Agent的思考过程
  allow_delegation=False, # 不允许该Agent将任务委派给其他Agent
  tools=[search_tool]
)

# 定义我们的资深报告撰写员: 小李
writer = Agent(
  role='资深技术内容撰写员',
  goal='根据研究员提供的资料，撰写一篇内容详实、结构清晰、对读者友好的技术分析报告',
  backstory="""你是一位知名的科技专栏作家，以能将复杂的技术概念，
  用通俗易懂且引人入胜的方式呈现出来而著称。""",
  verbose=True,
  allow_delegation=True
)

# --- 2. 为Agent分配任务 ---

# 定义研究任务
research_task = Task(
  description="""调研并总结“AI在量化交易中的应用”这一主题。
  请重点关注以下几个方面：
  1. 当前主流的使用场景（如因子挖掘、情绪分析、执行算法优化）。
  2. 面临的主要技术挑战（如数据噪音、模型过拟合、可解释性差）。
  3. 未来的发展趋势。
  """,
  expected_output='一份包含上述要点的详细研究摘要， bullet points格式。',
  agent=researcher # 将任务分配给小王
)

# 定义写作任务
write_task = Task(
  description="""使用研究员提供的研究摘要，撰写一篇完整的技术博客文章。
  文章应包含引言、对每个研究要点的详细阐述，以及一个总结性的结尾。
  文章风格应专业且易于理解。""",
  expected_output='一篇格式完美的Markdown技术博客文章，至少1500字。',
  agent=writer # 将任务分配给小李
)

# --- 3. 组建“工作组”(Crew)并启动任务 ---

# 实例化你的工作组，并设定工作流程
quant_crew = Crew(
  agents=[researcher, writer],
  tasks=[research_task, write_task],
  process=Process.sequential, # 任务将按顺序执行
  verbose=2, # 打印详细的执行过程
)

# 启动！
result = quant_crew.kickoff()

print("\n\n########################")
print("## AI团队工作完成，最终报告如下:")
print("########################\n")
print(result)