自动化

导读 如果你已经用过 ChatGPT、Claude 等单轮对话工具，但发现复杂任务——比如"调研竞品并写出一篇完整报告"——需要反复来回拉扯，那就可以试试 CrewAI。它把每个 AI 模型当作一名"员工"，你只需定义他们的角色（谁来做）、任务（做什么）、流程（按什么顺序做），整个团队就会自动跑起来。 本篇面向零基础读者，不要求任何 Agent 框架经验。我们会用一个**“调研 + 写作"双角色示例**贯穿全文，让你直观理解 CrewAI 的三要素如何拼装。 什么是 CrewAI？ CrewAI 是一个开源的 Python 框架，核心理念是角色化多智能体编排——不是让一个大模型干所有事，而是拆成多个专业化的小 Agent，各自扮演不同角色，组成 Crew 协同完成任务。 它和同类框架的区别在于： LangGraph 走的是"状态机"路线，你需要画完整的流转图来控制每一步； AutoGen 走的是"对话协作"路线，多个 Agent 互相发消息来推进； CrewAI 走的是**“角色分工"路线**——你定义好每个人的岗位 JD，剩下的交给 Crew 调度。 对于日常自动化场景（数据收集 → 分析 → 写报告），CrewAI 是最直观的选择。 环境准备 前置条件 依赖 版本要求 说明 Python ≥ 3.10，< 3.14 当前最新兼容范围 pip / uv 任意一种 包管理器 如果你还没装 Python 3.10+，去 python.org 下载即可。国内用户也可以用清华镜像加速： # macOS / Linux / WSL curl https://pyenv.run | sh 安装 CrewAI # 方式一：用 pip（推荐新手） pip install crewai # 如果想自带一些常用工具链（网页搜索、文件读取等），安装完整套装： pip install "crewai[tools]" 💡 国内网络如果下载慢，加 -i https://pypi.tuna.tsinghua.edu.cn/simple 换清华镜像源。失败后再试官方源就行。 ...

导读 如果你用过 Linux 或 Mac 的终端，一定接触过命令行的交互方式——你输一条命令，系统回一个结果。但如果要把几十条命令组合起来，按条件自动执行、循环遍历文件、甚至每天定时跑一次呢？这时候就需要 Shell 脚本。 本文从零开始，带你掌握 Shell 脚本最核心的六大知识板块：变量与引号、条件判断（if/case）、循环（for/while）、函数封装、参数传递、错误处理，最后用 crontab 定时任务把这些能力串联成一个完整的系统健康检查脚本。无论你是刚接触 Linux 的小白，还是想系统化补上 Shell 功底的开发者，这篇都能覆盖。 一、你的第一个 Shell 脚本 Shell 脚本本质上就是一个包含多条命令的纯文本文件。系统在读取第一行时，会判断用哪个解释器来执行它。 1.1 Hello World 新建 hello.sh，写入以下内容： #!/bin/bash # 告诉系统用 bash 解释器执行（这叫 shebang） echo "Hello, CleanResolver!" # 输出文字到终端 然后给它可执行权限并运行： chmod +x hello.sh # 让文件变成"可执行程序"的样子 ./hello.sh # 在当前目录下运行它 # 输出：Hello, CleanResolver! 白话解释：chmod +x 相当于给文件贴一张"可以执行"的标签；./ 表示"当前目录下的这个文件"。如果不加 ./，系统会在环境变量 $PATH 指定的系统目录里去找这个名字。 国内镜像提示：如果你在中国大陆下载 bash 相关教程，推荐 Runoob Shell 教程（直连）。国内打不开时用代理：ghfast.top 代理。 二、变量与引号 2.1 定义变量 Shell 中的变量就像快递柜的储物格编号——你把数据"存"进去，需要时再"取"出来。赋值时不加 $，取值时加 $。 name="CleanResolver" # 定义变量 name version=1.0 # 数字也可以直接赋值（不用引号） echo $name # 取值：CleanResolver echo "${name}_v${version}" # 用大括号区分边界：CleanResolver_v1.0 重要规则： ...