CrewAI Orchestrator

本技能旨在规范 urgs 项目中 CrewAI 组件的扩展流程。它包含了 Agent、Task 和 Crew 的纵向延伸逻辑。

核心工作流

1. 调研与定位

在添加新 Agent 之前，必须确定其归属系统及所需工具：

• 查看 agent/tools/ 下是否有现成的工具集。
• 确认该 Agent 在 agent/crews.py 的 create_unified_crew 中的整合位置。

2. 定义 Agent (agent/agents.py)

• 角色定位：遵循 agent_patterns.md 中的模板。
• SOTA 协议：确保 Backstory 包含工具使用准则和事实核查要求。
• LLM 选择：协调员使用 get_primary_llm()，专家使用 get_secondary_llm()。

3. 定义 Task (agent/tasks.py)

• 任务解析：遵循 task_patterns.md 中的 CoT (Think/Plan/Delegate) 模式。
• 证据导向：明确 expected_output 必须基于查到的真实证据，禁止猜测。

4. 组装 Crew (agent/crews.py)

• 工具注入：参考 tool_mapping.md 注入正确的数据库、知识库和血缘工具。
• Manager 配置：确保新 Agent 被正确列入 agents 列表，且由 pm (Manager) 进行统一调度。

参考资料

• Agent 编写模式 (Role/Goal/Backstory)
• Task 编写模式 (CoT/Evidence-based)
• 项目工具映射表 (Banking Systems)

准则

• 禁止冗余：不建议在没有明确业务需求的情况下添加通用的 Agent。
• 原子性：每个 Agent 应该是一个系统的“王牌专家”，功能应当垂直。
• 防御性编程：所有 Agent 都应预设“SQL 修复”和“无结果汇报”逻辑。