企业官网建设流程全解析

纲要

• 项目背景与目标
• 系统架构与流程
  • 团队组成：高级工程师、QA工程师、首席QA
  • 工作流：编码 → 审查 → 评估
• 项目结构
• 核心实现：Agent、Task、Crew 的定义
• 完整可运行示例
  • 纯代码定义，无需外部配置文件
  • 生成贪吃蛇游戏
• 运行与效果展示
• 总结与相关度说明

项目背景

在软件开发中，高质量代码往往需要多人协作：工程师编写、QA审查、架构师评估。CrewAI天然适合模拟这种协作模式。我们用它构建一个游戏开发助手团队，专门负责根据需求文档生成可运行的游戏代码。这个团队包含三名成员：

• 高级软件工程师：负责主编码工作。
• QA工程师：负责审查代码，发现语法错误、逻辑缺陷和安全漏洞。
• 首席QA工程师：负责最终评估，确保代码完整且符合预期功能。

三者按顺序协作，确保输出的代码既正确又健壮。

系统架构与流程

工作流采用顺序执行模式，每个Agent依次处理上一个的输出：

项目结构

使用crewai create crew脚手架生成的标准项目结构，以下是本次游戏助手的主要文件：

game_builder/ ├── src/ │ └── game_builder/ │ ├── config/ │ │ ├── agents.yaml │ │ ├── tasks.yaml │ │ └── game_design.yaml │ ├── crew.py │ └── main.py ├── .env └── pyproject.toml

• agents.yaml：定义三个智能体的角色、目标和背景故事。
• tasks.yaml：定义编码、审查、评估三项任务及依赖关系。
• game_design.yaml：存储多个游戏的需求文档（如贪吃蛇、吃豆人）。
• crew.py：组装智能体和任务，配置执行流程。
• main.py：入口，读取游戏需求并启动团队。

核心实现

Agent 定义

每个Agent都有明确的职责，例如高级工程师：

senior_engineer:role:"高级软件工程师"goal:"根据需求创建完美的软件代码"backstory:"你是一家领先科技公司的高级软件工程师，精通Python编程，致力于编写完美的代码。"

QA工程师和首席QA类似，分别侧重代码审查和最终评估。

Task 定义

任务之间通过context建立依赖，确保前一任务完成后才执行下一个：

coding_task:description:"使用Python的Pygame框架创建一个游戏，遵循以下指令：{game_design}"expected_output:"完整的Python代码，仅包含代码本身"agent:senior_engineerreview_task:description:"检查代码中的错误，修正后输出完整代码。"expected_output:"修正后的完整Python代码"agent:qa_engineercontext:[coding_task]evaluate_task:description:"评估代码是否完整且能正常工作，输出最终版本。"expected_output:"最终可运行的完整Python代码"agent:chief_qacontext:[review_task]

Crew 组装

在crew.py中使用@CrewBase修饰符将一切整合，并配置为顺序执行。

完整可运行示例

为方便直接运行，以下示例将所有配置内联到一个Python脚本中，无需外部YAML文件。运行后会生成贪吃蛇游戏代码并保存到snake_game.py。

环境准备

pipinstallcrewai langchain-openai python-dotenv

代码game_builder.py

importosfromdotenvimportload_dotenvfromcrewaiimportAgent,Task,Crew,Processfromlangchain_openaiimportChatOpenAI load_dotenv()# 自定义大模型（可使用任何兼容OpenAI接口的服务）llm=ChatOpenAI(model=os.getenv("MODEL_NAME","gpt-3.5-turbo"),openai_api_key=os.getenv("OPENAI_API_KEY"),base_url=os.getenv("OPENAI_BASE_URL","https://api.openai.com/v1"))# 游戏需求文档game_design=""" 制作一个经典的贪吃蛇游戏，使用Pygame框架。 具体规则： - 蛇初始长度为3节，位于屏幕中央。 - 使用方向键控制蛇的移动。 - 随机生成食物，蛇吃到食物后长度增加1，分数加10。 - 蛇撞到边界或自身时游戏结束。 - 按空格键重新开始游戏。 - 左上角显示当前分数。 - 蛇身为绿色方块，食物为红色方块，背景为黑色。 """# 定义智能体engineer=Agent(role="高级软件工程师",goal="根据需求创建完美的Python游戏代码",backstory="你精通Python和Pygame，致力于编写清晰、可维护的代码。",llm=llm,verbose=True)qa=Agent(role="QA工程师",goal="审查代码并修正所有错误",backstory="你擅长发现代码中的逻辑错误、语法错误和潜在的bug。",llm=llm,verbose=True)chief=Agent(role="首席QA",goal="确保代码完整且能正常运行",backstory="你严格把关，确保最终交付的代码无懈可击。",llm=llm,verbose=True)# 定义任务coding_task=Task(description=f"使用Pygame创建贪吃蛇游戏。需求如下：{game_design}",agent=engineer,expected_output="完整的、可运行的Python代码，仅输出代码本身")review_task=Task(description="审查上一步生成的代码，找出并修正所有错误（语法、逻辑、导入缺失等），输出修正后的完整代码。",agent=qa,expected_output="修正后的完整Python代码，仅输出代码本身",context=[coding_task])eval_task=Task(description="评估修正后的代码，确认其完整性和正确性，输出最终版本。",agent=chief,expected_output="最终可运行的完整Python代码，仅输出代码本身",context=[review_task])# 组建团队并运行crew=Crew(agents=[engineer,qa,chief],tasks=[coding_task,review_task,eval_task],process=Process.sequential,verbose=True)print("开始生成贪吃蛇游戏...")result=crew.kickoff()# 保存生成的代码output_file="snake_game.py"withopen(output_file,"w",encoding="utf-8")asf:f.write(str(result))print(f"游戏代码已保存到{output_file}")print("运行方式: python snake_game.py")

运行说明

1. 在.env文件中设置OPENAI_API_KEY（如果使用其他模型，相应调整MODEL_NAME和OPENAI_BASE_URL）。
2. 执行python game_builder.py，等待智能体协作完成。
3. 运行生成的snake_game.py，体验贪吃蛇游戏。

总结

这个游戏开发助手展示了CrewAI如何通过定义角色和任务来模拟真实开发团队的协作流程。从编码到审查再到评估，每一步都自动化完成，最终输出可直接运行的代码。该模式不仅适用于游戏开发，还可扩展到任何需要“生成-检查-修正”循环的软件工程场景。

本文完整覆盖了游戏开发助手的项目结构、Agent与Task的配置方式、工作流串联、模型集成以及示例代码，并提供了不依赖外部YAML的独立代码。