企业官网建设流程全解析

10 分钟搭建 CrewAI 环境

作者：测试员周周

系列：CrewAI 多 Agent 测试框架实战（第 2 篇）

字数：约 3,000 字

阅读时间：8 分钟

1. 环境要求

1.1 系统要求

1.2 检查 Python 版本

# macOS/Linux python3 --version # Windows python --version # 应该显示：Python 3.10.x 或更高

如果版本太低：- macOS：brew install python@3.12- Ubuntu：sudo apt install python3.12

• Windows：下载安装 https://www.python.org/

2. 创建虚拟环境

2.1 为什么需要虚拟环境？

原因：

1.隔离依赖- 避免与系统 Python 冲突

2.版本管理- 不同项目可用不同版本

3.干净卸载- 删除虚拟环境即可

❌ 不推荐：

# 直接安装到系统 Python pip install crewai # 可能影响其他项目

✅ 推荐：

# 创建虚拟环境 python3 -m venv venv # 激活后安装 source venv/bin/activate pip install crewai # 只影响当前项目

2.2 创建虚拟环境

Linux/macOS：

# 创建项目目录 mkdir -p ~/crewai-demo cd ~/crewai-demo # 创建虚拟环境 python3 -m venv venv # 激活虚拟环境 source venv/bin/activate # 验证（应该显示虚拟环境路径） which python # 输出：/home/yourname/crewai-demo/venv/bin/python

Windows：

# 创建项目目录 mkdir crewai-demo cd crewai-demo # 创建虚拟环境 python -m venv venv # 激活虚拟环境 .\venv\Scripts\Activate # 验证 where python

2.3 升级 pip

# 升级 pip（避免安装问题） pip install --upgrade pip # 验证 pip --version # 应该显示：pip 23.x 或更高

3. 安装 CrewAI

3.1 安装核心包

# 安装 CrewAI 核心 pip install crewai # 安装 CrewAI 工具包 pip install crewai-tools # 安装其他依赖 pip install requests python-dotenv pydantic

安装时间：约 2-5 分钟（取决于网络）安装包大小：约 200MB

3.2 验证安装

# 检查 CrewAI 版本 python -c "import crewai; print(f'CrewAI: {crewai.__version__}')" # 应该显示：CrewAI: 1.14.1 或类似版本

创建测试文件test_install.py：

from crewai import Agent, Task, Crew print("✅ CrewAI 导入成功") # 创建最简单的 Agent agent = Agent( role="测试助手", goal="验证安装", backstory="你验证 CrewAI 安装是否成功" ) print("✅ Agent 创建成功") # 创建 Task task = Task( description="说你好", expected_output="问候语", agent=agent ) print("✅ Task 创建成功") # 创建 Crew crew = Crew(agents=[agent], tasks=[task]) print("✅ Crew 创建成功") print("🎉 安装完成！")

运行：

python test_install.py

预期输出：

✅ CrewAI 导入成功 ✅ Agent 创建成功 ✅ Task 创建成功 ✅ Crew 创建成功 🎉 安装完成！

4. 配置 LLM API Key

4.1 选择 LLM 提供商

CrewAI 支持多种 LLM，我推荐阿里巴巴 DashScope（通义千问）：

为什么选 DashScope？

1.中文支持最好- 原生中文训练

2.价格低廉- 约 OpenAI 的 1/10

3.延迟低- 国内服务器

4.无需翻墙- 直接访问

4.2 获取 DashScope API Key

步骤 1：访问官网打开 https://dashscope.console.aliyun.com/

步骤 2：注册/登录- 有阿里云账号直接登录

• 没有就注册（需要手机号验证）

步骤 3：进入 API-KEY 管理登录后，点击左侧菜单"API-KEY 管理"

步骤 4：创建 API Key- 点击"创建新的 API-KEY" - 输入名称（如：crewai-test）

• 点击确定

步骤 5：复制 Key- Key 格式：sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

• 重要：只显示一次，立即复制保存！

4.3 配置环境变量

方式 1：临时配置（当前终端有效）

# macOS/Linux export DASHSCOPE_API_KEY=sk-your-api-key-here # Windows PowerShell $env:DASHSCOPE_API_KEY="sk-your-api-key-here" # Windows CMD set DASHSCOPE_API_KEY=sk-your-api-key-here

方式 2：永久配置（推荐）Linux/macOS：

# 添加到 ~/.bashrc 或 ~/.zshrc echo 'export DASHSCOPE_API_KEY=sk-your-api-key-here' >> ~/.bashrc # 重新加载 source ~/.bashrc # 验证 echo $DASHSCOPE_API_KEY # 应该显示：sk-xxxx...

Windows：

# 添加到用户环境变量 [System.Environment]::SetEnvironmentVariable( "DASHSCOPE_API_KEY", "sk-your-api-key-here", "User" ) # 重启终端后验证 echo $env:DASHSCOPE_API_KEY

方式 3：使用 .env 文件（推荐用于项目）

# 创建 .env 文件 cat > .env << EOF # 阿里巴巴 DashScope 配置 DASHSCOPE_API_KEY=sk-your-api-key-here DASHSCOPE_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 # 模型配置 OPENAI_MODEL=qwen-plus EOF # 在代码中加载

4.4 验证 API Key

创建测试文件test_api.py：

import os from crewai import LLM # 获取 API Key api_key = os.getenv("DASHSCOPE_API_KEY") if not api_key: print("❌ 错误：未找到 DASHSCOPE_API_KEY") print("请设置环境变量后重试") exit(1) print(f"✅ API Key: {api_key[:15]}...") # 创建 LLM llm = LLM( model="qwen-plus", api_key=api_key, base_url="https://dashscope.aliyuncs.com/compatible-mode/v1" ) print("✅ LLM 创建成功") # 测试调用 try: response = llm.call("你好，请用一句话介绍你自己") print(f"✅ API 调用成功") print(f"响应：{response[:50]}...") except Exception as e: print(f"❌ API 调用失败：{e}")

运行：

python test_api.py

预期输出：

✅ API Key: sk-xxxxxxxx... ✅ LLM 创建成功 ✅ API 调用成功 响应：你好！我是一个人工智能助手...

5. 完整项目结构

5.1 推荐目录结构

crewai-demo/ ├── venv/ # 虚拟环境（不提交到 Git） ├── .env # 环境变量（不提交到 Git） ├── .gitignore # Git 忽略文件 ├── requirements.txt # 依赖包 ├── hello.py # 第一个 Agent └── test_api.py # API 测试

5.2 创建 .gitignore

cat > .gitignore << EOF # Python __pycache__/ *.py[cod] *.pyo *.pyd .Python venv/ env/ .venv/ # 环境变量 .env # IDE .vscode/ .idea/ *.swp *.swo # 系统文件 .DS_Store Thumbs.db EOF

5.3 创建 requirements.txt

cat > requirements.txt << EOF crewai>=1.14.0 crewai-tools>=0.1.0 requests>=2.31.0 python-dotenv>=1.0.0 pydantic>=2.5.0 EOF

6. 常见问题解答

Q1: pip install 失败怎么办？

错误信息：

ERROR: Could not find a version that satisfies the requirement crewai

解决方案：

# 1. 升级 pip pip install --upgrade pip # 2. 使用国内镜像 pip install crewai -i https://pypi.tuna.tsinghua.edu.cn/simple # 3. 检查 Python 版本（需要 3.10+） python --version

Q2: API Key 错误怎么办？

错误信息：

openai.AuthenticationError: Error code: 401

解决方案：

# 1. 检查环境变量 echo $DASHSCOPE_API_KEY # 2. 重新设置 export DASHSCOPE_API_KEY=sk-your-key # 3. 验证 Key 是否有效 # 访问 https://dashscope.console.aliyun.com/ 查看状态

Q3: 网络连接超时怎么办？

错误信息：

ConnectionTimeout: HTTPSConnectionPool...

解决方案：

# 1. 检查网络 ping dashscope.aliyuncs.com # 2. 使用国内镜像源 export DASHSCOPE_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 # 3. 检查防火墙 # 确保 443 端口开放

Q4: 虚拟环境无法激活怎么办？

Linux/macOS：

# 使用完整路径 source /home/yourname/crewai-demo/venv/bin/activate # 或者重新创建 rm -rf venv python3 -m venv venv source venv/bin/activate

Windows：

# 允许执行脚本 Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser # 激活 .\venv\Scripts\Activate

Q5: 如何退出虚拟环境？

# Linux/macOS/Windows deactivate # 验证（应该显示系统 Python） which python

7. 小结

本教程完成：

- ✅ 创建 Python 虚拟环境

- ✅ 安装 CrewAI 和依赖

- ✅ 配置 DashScope API Key

- ✅ 验证安装成功

- ✅ 创建项目结构

下一步：

- 第 3 篇：创建你的第一个 Agent

- 第 4 篇：理解 Agent 核心参数

作者说：环境搭建是第一步，也是最重要的一步。花 10 分钟配置好环境，后续学习会顺利很多。欢迎我获取更多 AI+ 测试实战内容！

📚系列文章索引

作者：测试员周周，14 年测试经验，专注 AI+ 测试实战