以后MAS系列，部分内容，会在公众号发布，有个独立专栏！
多智能体系统MAS(Multi-Agent System)的0-1学习项目，上线！
至于什么是MAS，同时发出的另外一篇，有介绍！
生产级AI多智能体系统MAS学习指南
这是，长期项目！还没看的，上面看！
雄哥一直都说，做任何实践，必须先得到！
犹如，蜘蛛网，只有技能逐个握在手上，才能织成大网！
我们从一个完整的生成式AI框架中，聚焦多智能体系统，拆开智能体的七大组件：
①感知
②目标推理
③规划
④多Agent对齐
⑤函数调用/实体执行
⑥评估
⑦自进化/迭代
说好0-1，今天，跟着雄哥，做一个简单多智能体协作应用，Crew AI来爬取海南旅游官网，并且分析输出营销优化方案！
--实现--
(Agent根据任务调用tools爬取网站，并深入分析网站内容)
这个系统，可以只运行在系统底层，支撑最终的输出或物理动作，它干了几件核心的事：
#A 分析目标
#B 根据目标调用tools
#C 获取tools执行后的数据(也可是现实世界的实体反馈)
#D 根据数据，结合目标，输出方案
#E 输出反馈及审核
#F 再次优化方案
#G 审核-多Agent同意方案，最终输出
ok！人的专注力只有10分钟，一边跑，一边聊MAS的原理，先得到！
第一部分：CrewAI是什么？
第二部分：代码如何工作？
第三部分：跑起来！边跑边聊代码细节！
第一部分：CrewAI是什么？代码如何工作？
这是一个用于编排角色扮演、自主 AI Agent的尖端框架，让AI成为多个不同角度的Agent，围绕目标去展开方案和工作！
可能你对雄哥之前做的RAG+Tools的方案比较熟悉，之前我们的Agent的入口都是RAG，现在，入口在“Agent”！
RAG能在这个框架下运行！更可作为，外部子系统，调用！
CrewAI就是这样出发的一个Agent框架，但未来，Agent能干的事，还远不止于此！更不会拘泥于某一个开发框架！
在MAS的学习指南中，CrewAI是其中一部分，雄哥认为这，很有价值！
对这个项目感兴趣的朋友，一定要留意我们的系列实践，也可到它的官方仓库，找到资料：
https://github.com/crewAIInc/crewAI
当然啦，除了这个项目，我们还会做一些同样有价值的Agent框架实践，比如AutoGen、SWE-Agent等，甚至还会有雄哥团队做的Agent项目实践部分，属私货内容！
第二部分：代码是如何工作的？
刚刚雄哥，都介绍到啦，他是如何工作的？
通过多Agent协作，解决问题！
我们从自己实际的场景，来设计Agent的任务流，让他围绕我这个真实的目标，去编排，不就行咯！
雄哥刚刚在海南回来，假如你是“海南旅游官网”的产品经理，你应该如何优化这个网站呢？
https://hainanly.cn
那要干这个活，就要有这些Agent，来编排：
①公司研究Agent：帮助你收集有关 “海南旅游” 的商业模式、服务和市场地位的详细见解，以定制营销方案；
②网站分析Agent：帮助评估 “海南旅游” 的网站，以寻找设计、可用性和 SEO 优化的改进；
③内容策略Agent：该Agent帮助你制定与 “海南旅游” 的品牌和目标相一致的内容策略，从而增强其在线形象；
④销售推介Agent：该Agent吸收了所有其他Agent的发现，以创建一个完备的方案，突出 Web 开发专业知识、以前的工作，并提出量身定制的解决方案以满足 “海南旅游” 官方的业务目标；
当然啦，可以自定义，你可以根据自己的任务，设计自己的Agent编排！
稍后，雄哥也会详细介绍，他们之间，是如何工作的！
第三部分：跑起来！边跑边聊代码细节！
刚刚，我们定义了四个Agent，来优化，并输出完备的方案！
3.1 公司研究Agent
定位：
-收集海南旅游的详细信息，包括业务、产品、服务和市场地位；
背景：
-负责收集有关潜在客户的全面数据，为销售宣传提供信息；
工具：
-search_tool：查找有关公司背景、产品和服务的信息；
-scrape_tool：从公司的网站和在线状态收集更多详细信息；
任务：
-将调查结果委托给网站分析Agent，以确保全面理解；
3.2 网站分析代理
定位：
-分析 “海南旅游” 网站需要改进的点，包括设计、性能和用户体验；
背景：
-专注于确定客户网站上的具体问题和改进方案；
工具：
-scrape_tool：从公司网站提取数据进行详细分析；
-search_tool：与最佳实践进行比较并确定改进之处；
任务：
-将调查结果委托给内容策略Agent，以纳入销售宣传；
3.3 内容策略代理
定位：
-制定内容策略，并确定改进的内容如何推动参与度和转化率；
背景：
-专门为网站上的内容改进创建指定的叙述和策略；
工具：
-search_tool：查找内容策略的示例和最佳实践；
-scrape_tool：分析当前内容并提出改进建议；
任务：
-将内容策略委托给销售推销Agent，以整合到最终推销中；
3.4 推销代理
定位：
-创建一个个性化和有说服力的销售宣传，以说服公司通过“Code With Prince”升级优化网站；
背景：
-将研究、分析和内容策略相结合，打造完美的方案；
工具：
-search_tool：收集推介所需的所有信息；
-scrape_tool：根据其他Agent的见解+补充完善推介；
任务：
-需要保持对销售宣传创建过程的直接控制，确保有凝聚力+有针对性；
ok！以上，就是雄哥的Agent编排的思路！
现在，我们动手，把这个项目，在本地，用代码跑起来！
你可以识别以上二维码，在星球，会员盘中，找到这个代码和环境要求！
末尾联系工程师-小胖，报 “老粉” 获取优惠券+进群喔！
如果你还未搭建，本地环境，马上点击下方，搭建环境！
第四天！0基础微调大模型+知识库，部署在微信！手把手安装AI必备环境！4/45
已经搭建好的，打开conda，直接跟着操作！
你如果习惯使用其他工具的，例如vscode等，怎么顺手怎么来，小白跟着操作！
创建conda环境！
一个项目，对应一个独立环境，养成习惯！名称crewai，指定Python版本3.10！
conda create -n crewai python=3.10
激活刚创建的crewai环境！
conda activate crewai
安装jupyter！
我们所有的代码，都在这个环境操作，如果你是用其他工具的，就不用安装了！
pip install jupyter
cd进入下载的工作目录中！
确保没有中文！cd 你放代码文件的目录！
cd crewai
pip安装依赖！
pip install -r requirements.txt
进入操作环境！
就是，刚刚我们安装了jupyter！会自动跳转到浏览器！
jupyter-notebook
双击打开这份代码！
看到这，就已经成功进入了！
如何操作，非常简单了，ctrl+回车，就是运行当前代码块！
如果你不太熟jupyter，一定要学，上手极快！
在你这个文件夹中，还有api key，如果你还未申请，需要去申请或买一个！然后填到.env文件中！
OK！
首先，导入.env中的api！
import dotenv%load_ext dotenv%dotenv
获取网站数据！创建tools！
# 创建搜索工具search_tool = DuckDuckGoSearchRun()# 创建网络爬虫工具scrape_tool = ScrapeWebsiteTool()
创建4个Agent，并且给他们分发任务！
这里，雄哥用到了什么提示词工程方法，在星球也分享过，看有没有伙伴记得？
这是第一个Agent，负责研究这个研究这个公司网站的！其他三个同理！
# 定义公司研究agentcompany_research_agent = Agent(role="Company Research Agent",goal="收集目标公司的详细信息，包括其业务、产品、服务和市场地位.",backstory=("负责收集潜在客户的全面数据，以便为销售陈述提供信息."),allow_delegation=True,verbose=True)# 定义公司研究agent的任务company_research_task = Task(description=("收集的数据包括 {company_name} 网站的 ({company_website}) 和其他的内容. ""包括关于他们的业务、产品、服务以及市场地位的细节."),expected_output=("详细报告关于 {company_name} 业务、产品、服务及市场地位的详细报告."),agent=company_research_agent,tools=[search_tool, scrape_tool])
依次定义好其他三个Agent后，我们要创建MAS中，非常重要的功能：
功能一：记忆功能
让Agent具有记忆，即使是多轮的对话或者输出再次交互，也不会遗忘历史对话！
功能二：共享缓存
Agent①已经调用tools获得的数据，多个Agent工作的时候，其他Agent应该都知道这份数据，不用重复劳动，提升效率！
那我们定义好四个Agent，对应四个任务！
crew = Crew(agents=[company_research_agent, website_analysis_agent,content_strategy_agent,sales_pitch_agent],tasks=[company_research_task, website_analysis_task,content_strategy_task,sales_pitch_task],verbose=2,memory=True,cache=True)
memory是记忆功能，cache是共享缓存功能！True！
然后，爬取网站数据！它会深入网站去做分析，甚至二级菜单！
启动程序，开始干活！
# 执行启动result = crew.kickoff(inputs=inputs)
你会看到Agent集群，开始在各自的角度工作！
你也可以把这个对话保存为.md文件！
当然啦，这还是单个model编排，真实的Agent任务中，还要根据每个任务的要求，安排微调后的Agent专用models来干的，这，也是MAS学习指南的重磅内容！
今天，我们就聊到这，目标，是让家人们，体验Agent作为入口，是如何工作和编排的，还非常初级！后面，我们会有更多的内容上线！
