CrewAI OSS 1.0 - 我们即将全面上市

在 CrewAI 的第一年，我们设定了一个目标。

构建一个能够编排 10 亿个自主智能体的框架——实现安全、可靠且可大规模扩展。

仅仅一年多后，我们所取得的成就远超于此。

今天，我们宣布 CrewAI OSS v1.0 正式发布。这一相同的开源内核，目前正在全球最大的企业中驱动着 14 亿次智能体自动化执行，涵盖各种复杂场景。

两年前，我们认定大型语言模型不应被微观管理——它们应该被委派实际工作。

上周，吴恩达 (Andrew Ng) 称我们为“远见者”，因为我们很早就押注于这一理念。

随着模型能力的提升，工程师将不再需要脚手架（即所有的规则和强制结构），从而能够委派更多（而非更少）的任务。

吴恩达在一年前投资了 CrewAI，Dharmesh Shah（HubSpot 首席技术官）和 Amjad Masad（Replit 首席执行官）也相继加入——因为他们看到了未来：开发者正在从聊天机器人转向智能体团队 (Crews)，从脚本转向流程 (Flows)，从原型转向生产级智能体。

LLM 本身并不是终点，而是基础。CrewAI 的存在旨在弥合模仿与智能之间的鸿沟，通过多智能体编排，将原始的模型能力转化为协调的推理与记忆。

我们也是如此，所以我们全力以赴！

• 14 亿次以上智能体执行（每月 4.5 亿次以上且在持续增长）

• 60% 的财富 500 强企业正在运行 Crew 和 Flow

• 4 万 GitHub 星标，5.2 千次派生 (fork)，每月 180 万次下载

• 115 个开源发布版本，在全球 30 个城市举办过活动

由团队打造，为团队服务

CrewAI 是通过构建者成长起来的。

LLM 可能有局限性，但构建者们永无止境。

成千上万的开发者正在填补空白——通过 CrewAI 加入记忆、推理和协作能力。

这就是一切的起点：一个开源代码库，几位痴迷的贡献者，以及一个共同的直觉：协同工作的智能体能够完成单个模型永远无法完成的任务。几个月后，这个直觉演变成了一场运动。

开发者们派生了我们的代码库，在凌晨三点提交 Issue，分享模板，并在这些智能体工作流甚至还没有名字的时候就将其构建出来。

如今，该社区覆盖了所有时区和规模的企业——这是一个正在构建智能体软件未来的全球团队。

v1.0 中的每一个修复、功能和改进，都可以追溯到该网络中的某个人——在开源中构建，由成千上万人完善，被所有人扩展。

生产环境验证

每天，成千上万的 Crew 和 Flow 在金融、咨询、科技、制造和物流等领域的生产系统中运行。其中一些公司拥有成千上万名工程师在使用 CrewAI，包括 IBM、微软、宝洁、沃尔玛、SAP、Adobe、PayPal 等大公司。从生成文档到代码审查、事件分类、自动化 RevOps 流程、KYC（了解你的客户）自动化、会议摘要以及自动化客户运营——基于 CrewAI 构建的智能体已经悄无声息地在世界大型企业的幕后工作中。LLM 可以令人印象深刻地模拟任务，但它们无法提供端到端的端到端工作流。这就是 Crew 发挥作用的地方。随着 v1.0 的发布，这些企业使用的相同生产级框架现在变得稳定、开放，并面向所有人——从自动化支持工单的初创公司，到每天编排数百个智能体的全球团队。

v1.0 有什么新特性

CrewAI 1.0 凝聚了我们从成千上万的构建者、数千万次运行以及数月痴迷迭代中所学到的一切。它是专为处理复杂性而从底层构建的，不仅仅是简单的自动化。因为真正的智能体系统不会遵循线性链条——它们会进化。

主要亮点

• 对复杂系统提供更多支持

  • Flows 现在支持极高的复杂性——这是一个轻量级、低级别的层，为高级编排提供了完全的控制力，且易于使用。

• 稳定的 Crew 和 Flow API

  • 可预测、有文档记录且版本化。这些抽象层现已锁定，可供长期使用。

• 原生、免费的链路追踪 (Tracing)

  • 每次执行现在都自带可见性。无需设置，无需成本——即时的可观测性，让调试变得异常简单，无需第三方工具。因为规模化会揭示原型中隐藏的问题。

• 统一 CLI

  • 在本地构建、在测试环境测试、在生产环境部署，使用同一工具。一个命令，一个流程。

• 更多集成

  • 改进了对 MCP 的支持以及与 CrewAI AMP 的集成。

• 确定性运行与更好的日志记录

  • 更简单的调试、更清晰的输出以及运行间的一致性——解决了社区最迫切的需求。支持用户训练、记忆、测试以及钩子 (hooks) 和流程，具备实现更具确定性运行所需的所有控制权。

为什么智能体现在至关重要

LLM 非常出色，但它们每次都从零开始。它们没有记忆、规划或协作能力。这就是 CrewAI 填补的空白的一部分。智能体赋予模型结构、记忆和自主权——将原始智能转化为能够共同思考、行动和学习的系统。正如 Karpathy 本周所言，LLM 仍然是出色的模仿者，而不是思想者。Crew 和 Flow 是我们弥合这一鸿沟的方式。

• 通过 Crew，我们为语言模型提供了明确的角色和目标——能够进行推理、辩论和自我修正的专家。

• 通过 Flow，我们将这些角色连接成协调的工作链——具有上下文感知、事件驱动且可观察。

这不仅仅关乎更大的模型。它关乎更好的编排——使我们现有的智能变得有用、可靠，并与人类目标保持一致。CrewAI 并非试图让 LLM 产生意识。我们是在让它们变得有效，v1.0 为开发者提供了构建这些系统的工具。

企业与合作伙伴

CrewAI 最初是一个开源框架——今天，它在全球企业的众多用例中发挥作用。随着团队规模扩大，他们可以升级到 CrewAI AMP——我们为易用性、信任、治理和控制而构建的平台。通过 AMP，组织可以获得细粒度的 RBAC（基于角色的访问控制）、安全部署、审计追踪和完整的遥测数据——这是我们最大客户所使用的相同基础。我们很自豪能与 IBM、PwC 和 NVIDIA 在企业级智能体编排方面进行合作，并与 Arize、Databricks、Galileo、HPE 等生态系统领导者结成伙伴，将 CrewAI 带入新的平台和垂直领域。CrewAI 正在成为企业智能体堆栈的连接组织——核心开源，设计可扩展。

未来展望

CrewAI v1.0 仅仅是一个开始。在接下来的几周内，我们将发布新功能，致力于全新的突破性改进，进一步扩展公司，并尽可能多地让应用场景上线。你可以在我们的新大会上了解所有信息：CrewAI Signal，并向推动该行业的重量级人物学习，例如：

• 吴恩达 (Andrew Ng) (DeeplearningAI 创始人兼 CEO)

• Aaron Levie (Box 创始人兼 CEO)

• Amjad Massad (Replit 创始人兼 CEO)

• 还有我们的客户、我们的团队以及我们的社区！

与社区携手，我们正向着实现下一个 100 亿次智能体自动化执行的目标迈进。