crewAI 顺序与层级流程Sequential vs Hierarchical 决策矩阵本文基于 crewAI v1.11.0深入对比两种核心流程模式的实现机制、适用场景和生产实践。一、流程模式多智能体系统的调度大脑如果说 Agent 是 crewAI 的成员Task 是工作任务那么 Process流程就是决定这个团队如何工作的管理模式。crewAI 目前正式支持两种流程流程类型英文名核心特征顺序流程Sequential任务严格串行前一个完成才开始下一个层级流程HierarchicalManager Agent 动态分配和监督任务此外还有一个实验性的 Consensual 流程民主决策式正在规划中但截至 v1.11.0 尚未正式发布。二、Sequential顺序流程清晰、可预测的线性管道2.1 工作原理Task 1 ──► Agent A 执行 ──► 输出 O1 │ ▼ Task 2 ──► Agent B 执行上下文含 O1──► 输出 O2 │ ▼ Task 3 ──► Agent C 执行上下文含 O1O2──► 输出 O3最终结果顺序流程的规则极其简单任务列表中的顺序就是执行顺序无例外。每个 Task 完成后其输出自动成为下游 Task 的上下文前提是下游 Task 声明了 context 依赖。2.2 代码实现fromcrewaiimportCrew,Process,Agent,Task# 定义 AgentresearcherAgent(role研究员,goal...,backstory...)analystAgent(role分析师,goal...,backstory...)writerAgent(role写作者,goal...,backstory...)# 定义任务t1Task(description收集{topic}的技术数据,agentresearcher)t2Task(description分析数据找出关键洞见,agentanalyst,context[t1])t3Task(description撰写技术报告,agentwriter,context[t1,t2])# 顺序流程crewCrew(agents[researcher,analyst,writer],tasks[t1,t2,t3],processProcess.sequential,# 默认值可不写verboseTrue)resultcrew.kickoff(inputs{topic:多智能体系统})2.3 Sequential 适用场景顺序流程最适合以下场景ETL 数据处理管道采集原始数据 → 清洗和转换 → 分析和建模 → 生成报告内容生产流水线关键词研究 → 大纲生成 → 正文写作 → SEO 优化 → 质量审核代码审查流程静态分析 → 安全检测 → 性能评估 → 综合报告这些场景的共同特点任务之间有明确的单向依赖前序任务的输出是后序任务的必要输入执行顺序不能随意改变。2.4 Sequential 的局限性当任务数量增加、任务之间的依赖关系变得复杂时Sequential 的局限就会显现无法动态调整如果某个中间任务的结果表明不需要后续某个任务流程无法自动跳过并行化受限有些任务逻辑上可以并行执行比如两个独立的研究任务但 Sequential 强制串行无质量监控没有一个监工来判断某个任务的输出质量所有质量控制依赖 expected_output 的文字描述三、Hierarchical层级流程引入 Manager 的动态协作3.1 工作原理┌─────────────────┐ │ Manager Agent │ │ 项目经理 │ └────────┬────────┘ │ 动态分析任务需求 │ 决定分配给谁 ┌────────┼────────────┐ ▼ ▼ ▼ [Agent A] [Agent B] [Agent C] 执行子任务 执行子任务 执行子任务 │ │ │ └────────┼────────────┘ ▼ Manager 汇聚结果评估质量 如不满足则重新分配或要求修改 │ ▼ 最终输出Manager Agent 在层级流程中承担了调度、监督、整合三重职责调度分析每个任务的需求决定分配给哪个 Agent监督评估 Agent 的输出是否符合预期整合将多个 Agent 的输出汇聚成最终结果3.2 两种 Manager 配置方式方式一使用 manager_llm框架自动创建 Manager AgentfromcrewaiimportCrew,Processimportos crewCrew(agents[researcher,analyst,writer],tasks[t1,t2,t3],processProcess.hierarchical,manager_llmgpt-4o,# 指定 Manager 使用的模型verboseTrue)这种方式最简单crewAI 会自动创建一个具有协调能力的 Manager Agent使用指定的 LLM。方式二使用 manager_agent完全自定义 ManagerfromcrewaiimportAgent,Crew,Process# 自定义 Manager Agent更精细的控制managerAgent(role技术研究项目总监,goal确保研究项目高质量完成。 你需要1合理分配任务2评估输出质量 3在必要时要求成员修改4汇总最终报告。,backstory你在麦肯锡做了15年咨询项目管理 管理过上百个复杂研究项目。 你有一个原则宁可多花时间打磨不接受差不多的交付物。,allow_delegationTrue,# Manager 必须启用委托llmLLM(modelgpt-4o,temperature0.1))crewCrew(agents[researcher,analyst,writer],tasks[t1,t2,t3],processProcess.hierarchical,manager_agentmanager,# 使用自定义 ManagerverboseTrue)3.3 Hierarchical 的核心价值动态任务再分配Hierarchical 流程最大的价值在于动态性——Manager 可以根据实际情况做 Sequential 无法做到的事情场景一质量不达标时要求修改Manager 给 researcher 分配信息搜集任务 → researcher 返回结果 → Manager 评估信息来源不足只有3个要求至少8个 → Manager 要求 researcher 补充信息 → researcher 重新执行 → Manager 再次评估通过场景二任务拆解与并行Manager 收到全面分析AI竞争格局任务 → Manager 判断可以拆成3个子任务并行 → 同时分配给3个 researcher → 收集3份子报告后整合场景三跨 Agent 信息请求analyst 在分析过程中发现需要更多数据 → analyst 向 Manager 请求协助 → Manager 指派 researcher 提供补充数据 → researcher 完成后 Manager 将数据转给 analyst3.4 Hierarchical 的注意事项必须为 Manager 选择强模型Manager Agent 需要理解所有任务的语义、判断输出质量、做出协调决策这对 LLM 的指令遵循能力要求很高。建议使用 GPT-4o 或 Claude Opus 级别的模型。成本更高层级流程中Manager 会多次调用 LLM每次任务分配、每次结果评估都是一次 LLM 调用总体 Token 消耗比 Sequential 高 30-50%。执行时间不确定由于 Manager 可能要求 Agent 重做任务总执行时间难以预测。对于有严格 SLA 要求的场景需要设置max_iter限制。四、决策矩阵选哪种流程任务依赖复杂度 低 ────────────────────────────► 高 │ │ │ [Sequential] │ [Hierarchical] 确 │ ・简单线性管道 │ ・复杂依赖关系 定 │ ・ETL 处理 │ ・需要动态负载均衡 性 │ ・内容流水线 │ ・质量要求高需监控 高 │ ・有明确顺序的步骤 │ ・任务边界模糊 │ │ ▲ ▲ │ │ 确 │ [Sequential Flows] │ [Hierarchical Flows] 定 │ ・有条件分支的管道 │ ・企业级复杂工作流 性 │ ・带错误处理的流水线 │ ・需要 HITL 介入 低 │ │ ・长期持续运行任务 └────────────────────────────────┘ Agent 专业化程度低 高具体决策规则判断条件SequentialHierarchical任务数量 5依赖简单✅ 首选任务数量 8依赖复杂✅ 首选需要质量监控和重做机制✅成本敏感Token 要精打细算✅任务可以部分并行✅执行时间有严格上限✅可预测任务边界在运行前不确定✅五、执行日志与结果追踪5.1 Sequential 的日志crewCrew(tasks[t1,t2,t3],processProcess.sequential,verboseTrue)verboseTrue 会输出每个 Task 的执行过程[2026-03-21 10:30:00] 开始执行任务: 收集技术数据 [2026-03-21 10:30:00] Agent: 研究员 [2026-03-21 10:30:02] 调用工具: SerperDevTool (query多智能体系统 2026) [2026-03-21 10:30:05] 工具结果: [10 条搜索结果] [2026-03-21 10:30:08] 任务完成: 收集技术数据 [2026-03-21 10:30:08] 输出摘要: 收集了关于多智能体系统的8个关键技术要点...5.2 Hierarchical 的委托追踪v0.98.0层级流程增强了委托追踪日志[Manager] 分析任务需求分析AI竞争格局 [Manager] 决定分配给分析师 (Agent: analyst) [Manager] 分配理由该任务需要竞争分析专业能力 [analyst] 开始执行... [analyst] 完成执行输出[500字竞争分析] [Manager] 评估输出质量... [Manager] 评估结果需要补充数据要求研究员提供OpenAI最新数据 [researcher] 开始补充数据... [researcher] 完成提供数据给 analyst [analyst] 整合补充数据更新分析... [Manager] 最终评估通过5.3 结果对象resultcrew.kickoff()# 访问最终输出print(result.raw)# 最后一个 Task 的原始文本输出print(result.json_dict)# 如果是 JSON 格式print(result.pydantic)# 如果设置了 output_pydantic# 访问 Token 使用统计print(result.token_usage)# TokenUsage(total_tokens15000, prompt_tokens10000, completion_tokens5000)# 访问各 Task 的输出fortask_outputinresult.tasks_output:print(fTask:{task_output.description[:50]})print(fOutput:{task_output.raw[:100]})六、实战案例技术博客生产系统以下展示一个完整的内容生产 Crew同时演示两种流程的选择逻辑fromcrewaiimportAgent,Task,Crew,Process,LLM# ─── Agents ────────────────────────────────────────keyword_researcherAgent(roleSEO关键词研究员,goal找到高搜索量、低竞争度的技术关键词,backstory你有5年SEO经验擅长用数据驱动内容决策,tools[SerperDevTool()])content_writerAgent(role技术博客作者,goal写出工程师愿意收藏的高质量技术文章,backstory你是前 InfoQ 编辑写过100篇 10万 技术文章)editorAgent(role技术编辑,goal确保文章技术准确性和可读性都达到发布标准,backstory你同时有工程师和编辑的背景对技术细节极其严格)# ─── TasksSequential依赖关系清晰顺序固定────keyword_taskTask(description为 {topic} 主题寻找5个最有潜力的关键词集群,expected_output关键词列表含月均搜索量和竞争度评分,agentkeyword_researcher)writing_taskTask(description基于关键词研究撰写一篇2000字技术文章,expected_output完整的 Markdown 文章含标题、目录、正文、代码示例,agentcontent_writer,context[keyword_task])editing_taskTask(description审核文章的技术准确性和写作质量给出修改后的最终版本,expected_output已修改的最终版文章 修改说明,agenteditor,context[writing_task])# ─── CrewSequential内容生产是典型的线性流程──blog_crewCrew(agents[keyword_researcher,content_writer,editor],tasks[keyword_task,writing_task,editing_task],processProcess.sequential,verboseTrue)resultblog_crew.kickoff(inputs{topic:crewAI 多智能体开发})print(result.raw)七、小结Sequential 和 Hierarchical 不是好坏之分而是场景之分Sequential简单、高效、可预测。90% 的常见多智能体任务首选它。Hierarchical灵活、强大、有学习曲线。当任务需要动态判断和质量监控时才发挥优势。选择流程模式的经验法则先用 Sequential 实现当遇到质量不稳定或依赖关系复杂的问题再切换到 Hierarchical而不是一开始就用最复杂的方案。系列导航上一篇crewAI Task 设计与上下文传递下一篇crewAI Flows 企业级编排事件驱动、状态持久与精确控制基于 crewAI v1.11.0 官方文档撰写于 2026 年 3 月
crewAI 顺序与层级流程：Sequential vs Hierarchical 决策矩阵
发布时间：2026/7/9 14:50:22
crewAI 顺序与层级流程Sequential vs Hierarchical 决策矩阵本文基于 crewAI v1.11.0深入对比两种核心流程模式的实现机制、适用场景和生产实践。一、流程模式多智能体系统的调度大脑如果说 Agent 是 crewAI 的成员Task 是工作任务那么 Process流程就是决定这个团队如何工作的管理模式。crewAI 目前正式支持两种流程流程类型英文名核心特征顺序流程Sequential任务严格串行前一个完成才开始下一个层级流程HierarchicalManager Agent 动态分配和监督任务此外还有一个实验性的 Consensual 流程民主决策式正在规划中但截至 v1.11.0 尚未正式发布。二、Sequential顺序流程清晰、可预测的线性管道2.1 工作原理Task 1 ──► Agent A 执行 ──► 输出 O1 │ ▼ Task 2 ──► Agent B 执行上下文含 O1──► 输出 O2 │ ▼ Task 3 ──► Agent C 执行上下文含 O1O2──► 输出 O3最终结果顺序流程的规则极其简单任务列表中的顺序就是执行顺序无例外。每个 Task 完成后其输出自动成为下游 Task 的上下文前提是下游 Task 声明了 context 依赖。2.2 代码实现fromcrewaiimportCrew,Process,Agent,Task# 定义 AgentresearcherAgent(role研究员,goal...,backstory...)analystAgent(role分析师,goal...,backstory...)writerAgent(role写作者,goal...,backstory...)# 定义任务t1Task(description收集{topic}的技术数据,agentresearcher)t2Task(description分析数据找出关键洞见,agentanalyst,context[t1])t3Task(description撰写技术报告,agentwriter,context[t1,t2])# 顺序流程crewCrew(agents[researcher,analyst,writer],tasks[t1,t2,t3],processProcess.sequential,# 默认值可不写verboseTrue)resultcrew.kickoff(inputs{topic:多智能体系统})2.3 Sequential 适用场景顺序流程最适合以下场景ETL 数据处理管道采集原始数据 → 清洗和转换 → 分析和建模 → 生成报告内容生产流水线关键词研究 → 大纲生成 → 正文写作 → SEO 优化 → 质量审核代码审查流程静态分析 → 安全检测 → 性能评估 → 综合报告这些场景的共同特点任务之间有明确的单向依赖前序任务的输出是后序任务的必要输入执行顺序不能随意改变。2.4 Sequential 的局限性当任务数量增加、任务之间的依赖关系变得复杂时Sequential 的局限就会显现无法动态调整如果某个中间任务的结果表明不需要后续某个任务流程无法自动跳过并行化受限有些任务逻辑上可以并行执行比如两个独立的研究任务但 Sequential 强制串行无质量监控没有一个监工来判断某个任务的输出质量所有质量控制依赖 expected_output 的文字描述三、Hierarchical层级流程引入 Manager 的动态协作3.1 工作原理┌─────────────────┐ │ Manager Agent │ │ 项目经理 │ └────────┬────────┘ │ 动态分析任务需求 │ 决定分配给谁 ┌────────┼────────────┐ ▼ ▼ ▼ [Agent A] [Agent B] [Agent C] 执行子任务 执行子任务 执行子任务 │ │ │ └────────┼────────────┘ ▼ Manager 汇聚结果评估质量 如不满足则重新分配或要求修改 │ ▼ 最终输出Manager Agent 在层级流程中承担了调度、监督、整合三重职责调度分析每个任务的需求决定分配给哪个 Agent监督评估 Agent 的输出是否符合预期整合将多个 Agent 的输出汇聚成最终结果3.2 两种 Manager 配置方式方式一使用 manager_llm框架自动创建 Manager AgentfromcrewaiimportCrew,Processimportos crewCrew(agents[researcher,analyst,writer],tasks[t1,t2,t3],processProcess.hierarchical,manager_llmgpt-4o,# 指定 Manager 使用的模型verboseTrue)这种方式最简单crewAI 会自动创建一个具有协调能力的 Manager Agent使用指定的 LLM。方式二使用 manager_agent完全自定义 ManagerfromcrewaiimportAgent,Crew,Process# 自定义 Manager Agent更精细的控制managerAgent(role技术研究项目总监,goal确保研究项目高质量完成。 你需要1合理分配任务2评估输出质量 3在必要时要求成员修改4汇总最终报告。,backstory你在麦肯锡做了15年咨询项目管理 管理过上百个复杂研究项目。 你有一个原则宁可多花时间打磨不接受差不多的交付物。,allow_delegationTrue,# Manager 必须启用委托llmLLM(modelgpt-4o,temperature0.1))crewCrew(agents[researcher,analyst,writer],tasks[t1,t2,t3],processProcess.hierarchical,manager_agentmanager,# 使用自定义 ManagerverboseTrue)3.3 Hierarchical 的核心价值动态任务再分配Hierarchical 流程最大的价值在于动态性——Manager 可以根据实际情况做 Sequential 无法做到的事情场景一质量不达标时要求修改Manager 给 researcher 分配信息搜集任务 → researcher 返回结果 → Manager 评估信息来源不足只有3个要求至少8个 → Manager 要求 researcher 补充信息 → researcher 重新执行 → Manager 再次评估通过场景二任务拆解与并行Manager 收到全面分析AI竞争格局任务 → Manager 判断可以拆成3个子任务并行 → 同时分配给3个 researcher → 收集3份子报告后整合场景三跨 Agent 信息请求analyst 在分析过程中发现需要更多数据 → analyst 向 Manager 请求协助 → Manager 指派 researcher 提供补充数据 → researcher 完成后 Manager 将数据转给 analyst3.4 Hierarchical 的注意事项必须为 Manager 选择强模型Manager Agent 需要理解所有任务的语义、判断输出质量、做出协调决策这对 LLM 的指令遵循能力要求很高。建议使用 GPT-4o 或 Claude Opus 级别的模型。成本更高层级流程中Manager 会多次调用 LLM每次任务分配、每次结果评估都是一次 LLM 调用总体 Token 消耗比 Sequential 高 30-50%。执行时间不确定由于 Manager 可能要求 Agent 重做任务总执行时间难以预测。对于有严格 SLA 要求的场景需要设置max_iter限制。四、决策矩阵选哪种流程任务依赖复杂度 低 ────────────────────────────► 高 │ │ │ [Sequential] │ [Hierarchical] 确 │ ・简单线性管道 │ ・复杂依赖关系 定 │ ・ETL 处理 │ ・需要动态负载均衡 性 │ ・内容流水线 │ ・质量要求高需监控 高 │ ・有明确顺序的步骤 │ ・任务边界模糊 │ │ ▲ ▲ │ │ 确 │ [Sequential Flows] │ [Hierarchical Flows] 定 │ ・有条件分支的管道 │ ・企业级复杂工作流 性 │ ・带错误处理的流水线 │ ・需要 HITL 介入 低 │ │ ・长期持续运行任务 └────────────────────────────────┘ Agent 专业化程度低 高具体决策规则判断条件SequentialHierarchical任务数量 5依赖简单✅ 首选任务数量 8依赖复杂✅ 首选需要质量监控和重做机制✅成本敏感Token 要精打细算✅任务可以部分并行✅执行时间有严格上限✅可预测任务边界在运行前不确定✅五、执行日志与结果追踪5.1 Sequential 的日志crewCrew(tasks[t1,t2,t3],processProcess.sequential,verboseTrue)verboseTrue 会输出每个 Task 的执行过程[2026-03-21 10:30:00] 开始执行任务: 收集技术数据 [2026-03-21 10:30:00] Agent: 研究员 [2026-03-21 10:30:02] 调用工具: SerperDevTool (query多智能体系统 2026) [2026-03-21 10:30:05] 工具结果: [10 条搜索结果] [2026-03-21 10:30:08] 任务完成: 收集技术数据 [2026-03-21 10:30:08] 输出摘要: 收集了关于多智能体系统的8个关键技术要点...5.2 Hierarchical 的委托追踪v0.98.0层级流程增强了委托追踪日志[Manager] 分析任务需求分析AI竞争格局 [Manager] 决定分配给分析师 (Agent: analyst) [Manager] 分配理由该任务需要竞争分析专业能力 [analyst] 开始执行... [analyst] 完成执行输出[500字竞争分析] [Manager] 评估输出质量... [Manager] 评估结果需要补充数据要求研究员提供OpenAI最新数据 [researcher] 开始补充数据... [researcher] 完成提供数据给 analyst [analyst] 整合补充数据更新分析... [Manager] 最终评估通过5.3 结果对象resultcrew.kickoff()# 访问最终输出print(result.raw)# 最后一个 Task 的原始文本输出print(result.json_dict)# 如果是 JSON 格式print(result.pydantic)# 如果设置了 output_pydantic# 访问 Token 使用统计print(result.token_usage)# TokenUsage(total_tokens15000, prompt_tokens10000, completion_tokens5000)# 访问各 Task 的输出fortask_outputinresult.tasks_output:print(fTask:{task_output.description[:50]})print(fOutput:{task_output.raw[:100]})六、实战案例技术博客生产系统以下展示一个完整的内容生产 Crew同时演示两种流程的选择逻辑fromcrewaiimportAgent,Task,Crew,Process,LLM# ─── Agents ────────────────────────────────────────keyword_researcherAgent(roleSEO关键词研究员,goal找到高搜索量、低竞争度的技术关键词,backstory你有5年SEO经验擅长用数据驱动内容决策,tools[SerperDevTool()])content_writerAgent(role技术博客作者,goal写出工程师愿意收藏的高质量技术文章,backstory你是前 InfoQ 编辑写过100篇 10万 技术文章)editorAgent(role技术编辑,goal确保文章技术准确性和可读性都达到发布标准,backstory你同时有工程师和编辑的背景对技术细节极其严格)# ─── TasksSequential依赖关系清晰顺序固定────keyword_taskTask(description为 {topic} 主题寻找5个最有潜力的关键词集群,expected_output关键词列表含月均搜索量和竞争度评分,agentkeyword_researcher)writing_taskTask(description基于关键词研究撰写一篇2000字技术文章,expected_output完整的 Markdown 文章含标题、目录、正文、代码示例,agentcontent_writer,context[keyword_task])editing_taskTask(description审核文章的技术准确性和写作质量给出修改后的最终版本,expected_output已修改的最终版文章 修改说明,agenteditor,context[writing_task])# ─── CrewSequential内容生产是典型的线性流程──blog_crewCrew(agents[keyword_researcher,content_writer,editor],tasks[keyword_task,writing_task,editing_task],processProcess.sequential,verboseTrue)resultblog_crew.kickoff(inputs{topic:crewAI 多智能体开发})print(result.raw)七、小结Sequential 和 Hierarchical 不是好坏之分而是场景之分Sequential简单、高效、可预测。90% 的常见多智能体任务首选它。Hierarchical灵活、强大、有学习曲线。当任务需要动态判断和质量监控时才发挥优势。选择流程模式的经验法则先用 Sequential 实现当遇到质量不稳定或依赖关系复杂的问题再切换到 Hierarchical而不是一开始就用最复杂的方案。系列导航上一篇crewAI Task 设计与上下文传递下一篇crewAI Flows 企业级编排事件驱动、状态持久与精确控制基于 crewAI v1.11.0 官方文档撰写于 2026 年 3 月
