CrewAI 的入门成果很具体：给一个主题，把研究报告写成文件

想让 AI 围绕一个主题搜资料、整理趋势，最后得到一份还能继续编辑的报告，最重要的产物应是文档，而不是几个代理热闹地互相聊天。CrewAI 当前的官方快速开始，恰好给出一个克制而完整的起点：一个 Flow、一个研究代理，结果写到 Markdown 文件。

这份材料适合想做自己研究助手的开发者。快速开始把主题、搜索、任务要求和输出位置逐一落在项目里，读者能看到该改哪一处，而不必先搭一支复杂的“AI 团队”。

先把主题与任务放到各自位置

示例先创建 Flow 项目，再配置 researcher。当前文档使用 JSONC：代理文件保存角色、目标、背景与可用工具；crew.jsonc 保存任务说明、预期产物、执行顺序与输出文件。

其中 {topic} 不是写死的主题，它来自 kickoff 的输入。角色与任务可以共用这个变量：换主题时，仍沿用同一套研究要求。对于重复生成领域报告的工具，这比每次复制一大段提示更容易维护。

官方任务要求研究代理使用 Serper 搜索，寻找近期可信信息，并产出有清楚章节的报告。输出位置是 output/report.md，还要求不要把整篇内容包进代码围栏。这个细节说明，任务验收已经考虑到“文档怎么拿去继续用”，而不只是聊天回答是否像一篇文章。

项目总览把两层分开：Flow 管状态与控制流，Crew 承担交给代理的工作。快速开始中的 Flow 保存 topic 与 report，先准备主题，再运行研究任务，最后提示报告位置。

这里虽然叫 Crew，官方入门配置只有一个研究代理。无需为了符合“多代理”印象，再凭空加入编辑、审核或总结角色。先把一个代理的材料、工具和输出要求做好，就已经能得到一个完整的端到端流程。

运行后，报告同时可以作为 Flow 状态中的字符串继续传给后续步骤，也写到磁盘。想加人工编辑、补引用检查或改成自己的存储位置，都有明确的接续点。文件只是流程产物，是否符合发表要求仍应另行判断。

教学情境中，如果你要研究某类开发工具，可以在 expected_output 中明确要求：每项结论对应官方链接，区分已发布功能与预告，列出会影响采用的条件。再让输出格式服务实际读者，而不是沿用一份到处通用的趋势模板。

这些要求不会自动保证来源正确，却能让后续审阅有材料可查。搜索结果是否过时、多个网页是否只是同一消息转载，仍需要检查，不能因为文件已经生成就视为研究完成。

当前样例需要 Python、模型凭据和 Serper API key。CrewAI 框架采用 MIT 许可，模型、搜索以及 AMP 托管部署则有各自使用条件。对于想动手搭研究工具的人，这个样例的价值是把第一份报告交付路径说清楚：给主题，搜材料，按要求组织，最后拿到一个真实文件。