用 CrewAI + Ollama 搭全本地多智能体：零 API 账单跑通层级协作

# 1) Python 侧（推荐用 uv 管理项目与依赖）
uv init crew-local && cd crew-local
uv add crewai crewai-tools

# 2) 模型侧：安装 Ollama 后拉取两个模型
ollama pull qwen3:14b          # 主力推理模型（按显存换 7b/32b）
ollama pull nomic-embed-text   # 本地记忆用的嵌入模型

# 3) 验证 Ollama 服务在跑
ollama list
curl http://localhost:11434    # 返回 Ollama is running 即正常

模型选择的量力原则：显存够就上 14B 级，多智能体的角色扮演与工具调用对模型能力有实打实的要求；资源紧张用 7B 级起步，但要把任务拆得更细、提示写得更死（原因见 Step 5 的 warn）。嵌入模型 nomic-embed-text 很小，随便装。

# 在运行 crew 的 shell 里设置（或写进 .env / 项目启动脚本）
export CREWAI_DISABLE_TELEMETRY=true

# 验证：设置后运行一次 crew，确认无联网上传的遥测请求
# （本地防火墙日志里不应出现 CrewAI 相关外联）

这一步的意义不只是隐私洁癖：既然选择本地化的动机是数据边界，那么框架自身的遥测通道就是同一条边界上的口子。把开关写进项目启动脚本而不是靠记忆手工设置，边界才稳定。

from crewai import Agent, LLM, Task, Crew, Process

# 绑定本地 Ollama：ollama/ 前缀直连本机 11434 的
# OpenAI 兼容端点，无需 API Key
local_llm = LLM(
    model="ollama/qwen3:14b",
    base_url="http://localhost:11434",
    temperature=0.2,
)

researcher = Agent(
    role="市场调研员",
    goal="围绕给定主题收集并列出关键事实，不编造数据",
    backstory="十年行业研究经验，坚持只写有来源的事实，"
              "查不到就明确说查不到。",
    llm=local_llm,
    allow_delegation=False,   # 执行者不委派，职责单一
)

writer = Agent(
    role="技术写手",
    goal="把调研事实整理成 300 字以内的中文小结",
    backstory="资深编辑，文风克制，绝不添加调研未提供的信息。",
    llm=local_llm,
)

role/goal/backstory 不是装饰——它们会拼进提示词塑造模型行为，本地小模型对此尤其敏感。写法上两个要点：负面约束写具体（「不编造」「查不到就说」比「认真负责」有用得多）；每个 Agent 职责单一，别让一个角色既调研又审校，小模型撑不住复合角色。

task_research = Task(
    description="调研「2026 年 AI 智能体在制造业的落地场景」，"
                "列出至少 3 个有事实支撑的场景。",
    expected_output="带要点的中文事实清单，每条一句话",
    agent=researcher,
)

task_write = Task(
    description="基于上一任务的调研结果写一段 300 字以内小结。",
    expected_output="300 字以内中文小结，不含调研之外的信息",
    agent=writer,
    context=[task_research],   # 接收上游产出作为上下文
)

crew = Crew(
    agents=[researcher, writer],
    tasks=[task_research, task_write],
    process=Process.sequential,   # 顺序执行
)

result = crew.kickoff()
print(result)

预期效果：researcher 先跑，输出事实清单；writer 拿着清单（context 显式指定依赖）产出小结。expected_output 是质量闸门——它告诉模型「什么算做完了」，对输出格式不稳的本地模型尤其重要，每个任务都要写清楚。初次运行要等两轮模型推理，14B 模型在消费级显卡上单轮十几秒到几十秒属正常，别当成卡死。

crew = Crew(
    agents=[researcher, writer],
    tasks=[task_write],          # hierarchical 下任务目标交给经理拆解
    process=Process.hierarchical,
    manager_llm=local_llm,       # 经理也用本地模型；配置形态随版本而定
)

result = crew.kickoff()

hierarchical 模式引入一个 manager 角色：不再按固定顺序执行，而是由经理把任务目标拆解、动态分配给 worker、汇总结果。它比 sequential 灵活，代价是推理调用更多、行为更难预测——经理本身也是一轮模型调用，拆解质量取决于模型能力。

crew = Crew(
    agents=[researcher, writer],
    tasks=[task_research, task_write],
    process=Process.sequential,
    memory=True,                          # 打开 CrewAI 内置记忆
    embedder={
        "provider": "ollama",
        "config": {"model": "nomic-embed-text",
                   "url": "http://localhost:11434"},
    },
)

CrewAI 的记忆分短期（会话内上下文）、长期（跨次运行的实体与结论）、实体记忆几层，默认需要嵌入模型做向量化——配置指向 Ollama 后，记忆的存储与检索都在本机完成。记忆的价值在重复性任务上最明显：同一 Crew 第二次跑相似主题时，能带上上次的结论与偏好，减少重复劳动。跑完一轮后到项目目录看生成的存储文件，确认记忆确实落盘在本地。

from crewai.tools import BaseTool
from pydantic import BaseModel, Field

class PriceRangeInput(BaseModel):
    product: str = Field(description="产品名称")

class LocalPriceTool(BaseTool):
    name: str = "local_price_query"
    description: str = "查询本地价格库中某产品的近期价格区间"
    args_schema: type = PriceRangeInput     # Pydantic 校验入参

    def _run(self, product: str) -> str:
        # 只读查询你自己的数据库/文件，返回结构化文本
        return f"{product} 近期价格区间：……"

researcher.tools = [LocalPriceTool()]

# 运行护栏：单任务超时与总轮次上限（参数名随版本而定，
# 以所用版本文档为准），并给任务设 expected_output 兜底

给 agent 挂工具时，本地模型对「何时调用工具、传什么参数」的判断弱于云端模型，所以 args_schema 的 Pydantic 校验与工具 description 一定要写到位——description 就是模型的工具使用说明书。另外两个社区高频提醒：CodeInterpreterTool 已从 crewai-tools 中移除，老教程里还在用它做代码执行的要换成外部方案；工具只给真正需要的角色，不给全员。