CrewAI Crew 與 Process：為什麼新手應該先用 Sequential

Agent 和 Task 設計完之後，還有一個問題要回答：誰來決定這些任務按什麼順序跑？

答案就是 Crew 和 Process。

把 Crew 想成導演——它負責管理所有演員（Agent）和劇本（Task），決定誰先上場、怎麼流轉。Process 則是執行節奏，sequential 就是「按順序一個個來」，hierarchical 是「有一個管理者 Agent 自己決定分派順序」。

九成新手專案，用 Sequential 就對了

結論先說，不繞圈子：Process.sequential 是你的預設選擇。

原因不是它比較高級，而是它最容易理解、最好 debug、出問題最好定位。任務 A 做完，結果交給任務 B，B 做完交給 C——清楚、線性、可預期。

from crewai import Crew, Process
 
def build_crew(agents, tasks) -> Crew:
    return Crew(
        agents=agents,
        tasks=tasks,
        process=Process.sequential,
        verbose=True,
    )

這段看起來很平淡，但其實幫你做了一個很重要的決定：流程是確定的，不依賴模型的臨場判斷。這對新手來說是很大的穩定性保障。

verbose=True 先開著——它會讓你在終端看到每個步驟的執行過程。除錯的時候你會很慶幸它開著。

Sequential 的核心優勢

不是功能比較多，而是出問題的時候你知道去哪裡找：

任務依賴關係清楚，每個 context 的資料流向都看得到
輸出可重現，同樣的輸入大概率得到類似的輸出
錯誤定位快，你知道是第幾步出了問題
成本可控，每個任務消耗多少 token 有跡可循

對剛開始的人來說，這就像先用普通難度破主線——不要一開始就挑地獄模式。

Hierarchical 是什麼，什麼時候才考慮

Hierarchical 的差別是：它會有一個「管理者 Agent」（manager），由它決定任務怎麼分派給各個執行 Agent，整個流程是動態的，而不是你事先寫死的順序。

這聽起來很炫，但代價是複雜度大幅上升——你需要設計管理者的 prompt、處理它的分派邏輯、還要確保它不會做出你不預期的決定。

考慮 Hierarchical 的前提是：

任務量非常多，且每次執行的任務組合不固定
你需要動態調整執行路徑（例如根據某個條件決定跳過某步驟）
你已經有穩定的監控、成本警戒、還有時間處理奇怪的 edge case

如果你現在還在調 expected_output 讓輸出穩定，先不要碰 hierarchical。真的，先不要。

把 Crew 的建立邏輯集中管理

一個實務建議：把建立 Crew 的程式碼集中在一個函式或類別，不要散落在各個地方。

from crewai import Crew, Process, Agent, Task
 
class ResearchCrewBuilder:
    def __init__(self, topic: str):
        self.topic = topic
 
    def build(self) -> Crew:
        researcher = Agent(
            role=f"{self.topic} Researcher",
            goal="Find accurate and current information",
            backstory="You validate sources before passing information forward.",
            allow_delegation=False,
            verbose=True,
        )
        writer = Agent(
            role="Technical Writer",
            goal="Turn research into readable documentation",
            backstory="You make complex ideas accessible to developers.",
            allow_delegation=False,
            verbose=True,
        )
        research_task = Task(
            description=f"Research {self.topic}. Focus on 2026 developments.",
            expected_output="10 bullet points with title, summary, and source URL.",
            agent=researcher,
        )
        write_task = Task(
            description="Convert research notes into a beginner-friendly article.",
            expected_output="Markdown article with intro, 3 sections, and conclusion.",
            agent=writer,
            context=[research_task],
            output_file="output/report.md",
        )
        return Crew(
            agents=[researcher, writer],
            tasks=[research_task, write_task],
            process=Process.sequential,
            verbose=True,
        )

這樣設計，你要換模型、換 process、加 callback，都改一個地方就好。不用在五個檔案裡找同一個 Crew 的設定。

常見問題

Q：verbose=True 會拖慢執行速度嗎？
不會。它只是把執行過程印到 terminal，不影響實際 LLM 呼叫速度。生產環境可以關掉，開發和除錯期間建議開著。

Q：sequential 的任務一定要按 list 順序執行嗎？
是的。tasks list 的順序就是執行順序。Task 的 context 可以指定吃某個前置任務的結果，但執行順序本身就是 list 的順序。

Q：Crew 可以有幾個 Agent？
沒有硬性上限，但 2-5 個是最常見的設計。Agent 太多，協作成本和除錯難度都會增加。先從最小可行的設計開始。

下一步

流程跑起來了，但 Agent 目前只能靠自己的知識回答——沒辦法查 Google、讀你的資料庫、或呼叫外部 API。下一篇來把工具接上去：
👉 Tools 整合