用 CrewAI 搭一支「多智能体团队」：研究员 + 写手 + 审校角色分工

pip install crewai crewai-tools

# 准备一个模型 Key（以 OpenAI 为例）
export OPENAI_API_KEY=sk-xxxxxxxx

# 可选：给研究员 Agent 接搜索工具
pip install duckduckgo-search

from crewai import Agent

researcher = Agent(
    role="竞品研究员",
    goal="搜集目标产品的功能、定价、口碑",
    backstory="资深行业分析师，只信有出处的信息",
    tools=[DuckDuckGoSearchRun()],
    verbose=True,
)

writer = Agent(
    role="报告写手",
    goal="把研究结果写成结构清晰的中文报告",
    backstory="10 年科技媒体编辑，行文通俗",
)

reviewer = Agent(
    role="事实审校",
    goal="核对报告中的数字与引用是否准确",
    backstory="严谨的核查编辑，零容忍编造",
)

from crewai import Task

t1 = Task(
    description="调研竞品 {product} 的功能、定价、用户口碑，列出 5 条要点",
    expected_output="带来源的要点清单",
    agent=researcher,
)

t2 = Task(
    description="基于调研结果，写一篇 800 字中文对比报告",
    expected_output="Markdown 报告",
    agent=writer,
    context=[t1],   # 依赖 t1 的产出
)

t3 = Task(
    description="核对报告里的数字与引用，标出任何无法证实的说法",
    expected_output="带修订建议的核查意见",
    agent=reviewer,
    context=[t2],
)

from crewai import Crew, Process

crew = Crew(
    agents=[researcher, writer, reviewer],
    tasks=[t1, t2, t3],
    process=Process.sequential,   # 顺序执行；也可 hierarchical 让经理 Agent 编排
)

result = crew.kickoff(inputs={"product": "龙虾智能体"})
print(result)

from crewai_tools import (
    DuckDuckGoSearchRun, ScraperTool, FileReadTool
)

researcher.tools = [
    DuckDuckGoSearchRun(),   # 联网搜索
    ScraperTool(),           # 抓网页正文
    FileReadTool(),          # 读本地资料
]

# Agent 设了 verbose=True，运行时会打印每个角色的思考与动作
crew.kickoff(inputs={"product": "龙虾智能体"})

# 输出示例（节选）：
# [研究员] 正在搜索 龙虾智能体 定价...
# [写手] 已收到 5 条要点，开始撰写...
# [审校] 发现第 3 条数字无出处，已标注待核实

# 把上面封装成 research_crew.py，用命令行传产品名
import sys
from crewai import Crew
# ... 前面定义略 ...
if __name__ == "__main__":
    prod = sys.argv[1]
    print(crew.kickoff(inputs={"product": prod}))

# 使用：
# python research_crew.py "某竞品"