一、前言

本指导文档将基于 CrewAI 官方快速入门教程（Quickstart - CrewAI），详细介绍如何通过 Ollama 部署的本地大模型 Llama3.1，实现 AI 研究报告的自动生成。相比依赖云端 API，本地大模型能在保证数据隐私的同时降低使用成本，适合对数据安全性有要求的场景。

二、前置准备

在开始前，需完成以下工具的安装与配置：

1. 基础环境

• Python 3.8+（确保环境变量已配置，可通过 python --version 验证）
• pip（Python 包管理工具，通常随 Python 一同安装）

2. 核心工具安装

（1）安装 CrewAI

通过 pip 安装 CrewAI 核心库：

bash

pip install crewai

（2）安装 Ollama 并部署 Llama3.1

• 安装 Ollama：
  访问 Ollama 官方网站，根据操作系统（Windows/macOS/Linux）下载对应安装包并完成安装。
• 部署 Llama3.1：
  打开终端，执行以下命令拉取并启动 Llama3.1 模型（首次运行需下载模型，耗时取决于网络速度）：

  bash

  ollama run llama3.1
  

  
  启动成功后，模型将在本地 http://localhost:11434 提供 API 服务。

（3）安装 Ollama-CrewAI 适配工具

为让 CrewAI 调用本地 Llama3.1，需安装 ollama 库及 CrewAI 工具依赖：

bash

pip install ollama crewai-tools

三、创建 CrewAI 项目

1. 初始化项目

通过 CrewAI 命令创建研究报告项目（以 “最新 AI 模型发展” 为主题示例）：

bash

# 创建项目目录（包含基础结构）
crewai create crew llama3-ai-research
# 进入项目目录
cd llama3-ai-research

项目目录结构说明（核心文件）：

• src/llama3_ai_research/config/agents.yaml：定义智能体（如研究员、报告分析师）
• src/llama3_ai_research/config/tasks.yaml：定义任务（如调研、报告撰写）
• src/llama3_ai_research/crew.py：配置智能体、任务及协作流程
• main.py：项目入口，传递输入参数并启动任务

2. 配置智能体（agents.yaml）

修改 src/llama3_ai_research/config/agents.yaml，定义两个智能体：“研究员”（负责收集信息）和 “报告分析师”（负责整理报告）。
注意：需与后续 crew.py 中的方法名保持一致（命名一致性是 CrewAI 自动关联配置与代码的关键）。

yaml

# agents.yaml
researcher:
  role: >
    {topic} 高级数据研究员
  goal: >
    挖掘 {topic} 领域的前沿发展动态
  backstory: >
    你是一名资深研究员，擅长快速定位 {topic} 领域的关键信息，能以清晰简洁的方式整理核心内容。

reporting_analyst:
  role: >
    {topic} 报告分析师
  goal: >
    根据调研数据和研究结果生成详细报告
  backstory: >
    你是一名注重细节的分析师，能将复杂信息转化为易懂的报告，让读者快速掌握核心结论。

3. 配置任务（tasks.yaml）

修改 src/llama3_ai_research/config/tasks.yaml，定义两个任务：“调研任务”（由研究员执行）和 “报告任务”（由分析师执行）。

yaml

# tasks.yaml
research_task:
  description: >
    对 {topic} 领域进行全面调研，重点收集 2025 年的最新动态（如技术突破、应用案例）
  expected_output: >
    包含 10 个要点的列表，每个要点需明确说明信息来源（如“某机构发布的研究”“某企业产品更新”）
  agent: researcher  # 绑定到 researcher 智能体

reporting_task:
  description: >
    基于调研结果，将每个要点扩展为报告章节，确保内容详实、逻辑清晰
  expected_output: >
    完整的 Markdown 格式报告（无需代码块标记），包含标题、章节划分和关键结论
  agent: reporting_analyst  # 绑定到 reporting_analyst 智能体
  output_file: report.md  # 报告输出路径

四、配置本地模型（核心步骤）

默认情况下，直接修改env文件中的MODEL即可。

env

MODEL=ollama/llama3.1:8b
API_BASE=http://localhost:11434

五、运行项目生成报告

1. 配置输入参数（main.py）

打开 src/llama3_ai_research/main.py，指定研究主题（如 “AI 大模型在医疗领域的应用”）：

python

运行

#!/usr/bin/env python
import sys
from llama3_ai_research.crew import Llama3AiResearchCrew

def run():
    # 定义输入参数（研究主题）
    inputs = {
        'topic': 'AI LLMs'
    }
    # 启动 Crew 执行任务
    Llama3AiResearchCrew().crew().kickoff(inputs=inputs)

if __name__ == "__main__":
    run()

2. 安装依赖并运行

bash

# 安装项目依赖（自动处理 CrewAI 及工具依赖）
crewai install

# 运行项目（在项目根目录执行）
crewai run

3. 获取报告

运行成功后，报告将保存至 src/llama3_ai_research/output/report.md，具体运行过程如下：

通过以上步骤，你已成功实现基于 CrewAI 和本地大模型 Llama3.1 的研究报告自动生成。