CrewAI OSS 1.0 正式发布，已执行14亿次智能体自动化

CrewAI 开源框架正式迈入 1.0 时代。在过去一年里，这个框架已在全球最大规模的企业中，执行了超过 14 亿次智能体自动化（Agentic Automation），覆盖了各种复杂度的任务。

这个数字背后是：

• 14亿+ 智能体执行次数
• 60%+ 的财富 500 强企业用户
• 40K GitHub 星标
• 180万+ 月下载量

两年前，CrewAI 团队就坚信：大语言模型（LLM）不应该被微观管理，而应该被委以真正的工作。上周，吴恩达（Andrew Ng）称他们是这一理念的“远见者”。他投资 CrewAI 已超过一年，与他一同投资的还有 HubSpot 的 CTO Dharmesh Shah 和 Replit 的 CEO Amjad Masad。他们看到了趋势：开发者正从聊天机器人转向多智能体协作（Crews），从脚本转向工作流（Flows），从原型转向生产级智能体。

LLM 本身不是终点，而是基础。CrewAI 的目标是弥合模仿与智能之间的鸿沟，通过多智能体编排（Orchestration），将原始模型能力转化为协调的推理和记忆。

每季度智能体自动化执行次数

由社区构建，为社区服务

CrewAI 的成长离不开构建者。虽然 LLM 有其局限，但构建者们的潜力远未触顶。成千上万的开发者正在通过 CrewAI 填补空白——为其添加记忆、推理和协作能力。

这一切始于一个开源仓库、几位痴迷的贡献者和一个共同的直觉：协同工作的智能体（Agents）能做到单个模型永远无法完成的事。几个月后，这个直觉演变成了一场运动。

如今，这个社区遍布全球各个时区和各种规模的公司——一个正在构建智能体软件未来的全球“船员”（Crew）。

• 5,200 个仓库分支（Forks）
• 115 个版本发布
• 30+ 个城市举办过活动
• 250+ 位贡献者

1.0 版本中的每一个修复、功能和改进，都源自这个网络中的某个人——在开放中构建，由数千人改进，被所有人扩展。

经过生产环境验证

每天，成千上万的 Crews 和 Flows 在金融、咨询、科技、制造和物流等领域的生产系统中运行。

一些公司甚至有数千名工程师在使用 CrewAI，包括 IBM、微软、宝洁、沃尔玛、SAP、Adobe、PayPal 等主要企业。

从生成文档、审查代码、处理事件、自动化营收运营（RevOps）流程、客户身份验证（KYC）自动化、会议纪要总结，到自动化客户运营——基于 CrewAI 构建的智能体已经在全球最大公司的后台默默工作。

LLM 可以出色地模仿任务，但它们无法交付端到端的工作流。这正是 Crews 发挥作用的地方。

随着 1.0 版本的发布，这些企业使用的同款生产级框架现已稳定、开源，并准备好为所有人服务——从自动化处理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。

1.0 版本的新特性

CrewAI 1.0 凝聚了从数千名构建者、数千万次运行和数月迭代中学到的一切。它从头开始为复杂性而构建，而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——它们会演进。

主要亮点

• 更强大的复杂系统支持
  • Flows 现在支持大规模复杂性——提供了一个精简、低层级的控制层，用于高级编排，且易于使用。
• 稳定的 Crew & Flow API
  • 可预测、有文档记录且版本化。抽象层现已锁定，可供长期使用。
• 原生、免费的追踪功能
  • 每次执行都自带可见性。无需设置，没有成本——每次运行都具备即时可观测性，调试极其简单，无需第三方工具。因为规模会揭示原型所隐藏的问题。
• 统一的 CLI
  • 使用同一个工具进行本地构建、在测试环境测试以及部署到生产环境。一个命令，一个工作流。
• 更多集成
  • 增强了对 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
  • 更易调试、输出更清晰、运行间更一致——响应了社区的最高呼声。能够使用训练、记忆、测试、钩子（Hooks）和 Flows 来获得所有必要的控制，以实现更确定性的运行。

为什么智能体现在很重要

LLM 非常出色——但它们每次都从零开始。它们没有记忆、不会计划、也无法协作。

这正是 CrewAI 试图填补的部分空白。

智能体（Agents）为模型提供了结构、记忆和能动性——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 本周所说，LLM 仍然是出色的模仿者，而非思考者。

Crews 和 Flows 正是我们开始弥合这一鸿沟的方式。

• 通过 Crews，我们赋予语言模型明确的角色和目标——能够推理、辩论和自我修正的专家。
• 通过 Flows，我们将这些角色连接成协调的工作链——具备情境感知、事件驱动和可观测性。

这无关乎更大的模型，而在于更好的编排——让我们已有的智能变得有用、可靠并与人类目标保持一致。

CrewAI 并非试图让 LLM 拥有意识。我们的目标是让它们变得高效。 1.0 版本为开发者提供了构建能够做到这一点的系统的工具。

企业与合作伙伴

CrewAI 始于一个开源框架——如今它为全球众多企业的各种用例提供动力。

随着团队规模扩大，他们会升级到 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基于角色的访问控制（RBAC）、安全部署、审计追踪和完整的遥测数据——这些正是我们最大客户所使用的基础设施。

我们很自豪能与 IBM、PwC 和 NVIDIA 在企业级智能体编排方面合作，并与 Arize、Databricks、Galileo、HPE 等生态系统领导者合作，将 CrewAI 带到新的平台和垂直领域。

CrewAI 正在成为企业智能体技术栈的连接组织——核心开源，设计上可扩展。

下一步计划

CrewAI v1.0 只是一个基础。

在接下来的几周里，我们将发布新功能，致力于实现全新的突破性改进，进一步扩展公司规模，并让尽可能多的用例上线。

你可以在我们的新会议 CrewAI Signal 上了解所有这些信息，并向一些推动这个行业发展的主要人物学习，例如：

• 吴恩达（Andrew Ng） (DeeplearningAI CEO & Founder)
• Aaron Levie (Box CEO & Founder)
• Amjad Massad (Replit CEO & Founder)
• 我们的一些客户、我们的团队和我们的社区成员！

与社区一起，我们正朝着编排下一个 100 亿次智能体自动化 的目标前进。