CrewAI 的 Process 模型：Sequential vs Hierarchical——多 Agent 协作的两种组织形态

假设你正在用 CrewAI 搭一个内容团队：一个 Agent 负责调研，一个负责写初稿，一个负责润色。你可能会纠结一个问题：这三个 Agent 是像流水线一样依次干活，还是需要一个“领导”来指挥？这就是 Process 模型要回答的问题。CrewAI 给了你两个选项：Sequential 和 Hierarchical。我最早以为这只是个执行顺序的开关，后来踩了几个坑才明白，它背后是两种完全不同的组织哲学。

Process 是什么？一句话：团队的工作流

在 CrewAI 里，Crew 是一个团队，Process 是团队的工作流。它决定了任务在 Agent 之间怎么流转。比如你给 Crew 一个目标：“写一篇关于 AI 的博客”。如果没有 Process，Agent 们就不知道该谁先干谁后干。有了 Process，Crew 才知道是让调研 Agent 先跑，还是让写作 Agent 先跑。CrewAI 官方文档把 Process 描述为“决定任务如何执行和 Agent 如何协作的执行逻辑”。

from crewai import Crew, Process, Agent, Task

research_agent = Agent(name='Researcher', ...)
writer_agent = Agent(name='Writer', ...)

crew = Crew(
    agents=[research_agent, writer_agent],
    tasks=[research_task, write_task],
    process=Process.sequential  # 默认
)

Sequential：一条流水线走到底

Sequential 的逻辑很简单：任务按你定义的顺序一个接一个执行，前一个任务的输出会自动作为后一个任务的上下文。CrewAI 会把之前的输出拼接到后续任务中，让后面的 Agent 知道前面发生了什么。

你可以把它想象成工厂流水线。每个工人只做自己那一步，做完就传给下一个人。如果某个环节发现前面做错了，流水线不会自动倒回去——你必须自己重新跑一遍。

优点也很明显：简单、可预测、容易调试。每个任务的输入输出都是明确的，出了问题你顺着链路就能找到原因。这也是为什么它是默认选项。

但缺点同样明显：流程固定，无法动态调整。如果你的任务需要根据中间结果决定下一步做什么，Sequential 就无能为力了。

Hierarchical：请一个项目经理来指挥

Hierarchical 引入了一个额外的角色：Manager（经理）。这个 Manager 可以是一个专门的 Agent，也可以直接用一个 LLM（通过 manager_llm 指定）。它会接收你的最终目标，自己拆解成子任务，分配给团队里的 Agent，然后审核每个 Agent 的结果，决定是否通过或需要修改。

crew = Crew(
    agents=[research_agent, writer_agent, editor_agent],
    tasks=[final_blog_task],
    process=Process.hierarchical,
    manager_llm='gpt-4o'
)

注意：在 Hierarchical 模式下，你通常只需要定义一个最终任务。Manager 会负责把任务拆开。而且每个 Agent 的 description 和 goal 必须写清楚，否则 Manager 根本不知道该让谁干什么。

这就像一个项目经理，他对每个成员的擅长领域很敏感，能根据临时情况调整分工。比如调研 Agent 突然发现某个数据源不可用，Manager 可以重新分配任务给另一个 Agent 去补位。

代价是：每次任务分配和结果审核，都要额外调用一次 LLM。一次完整流程可能多出好几倍的 token 消耗。而且 Manager 的决策质量直接取决于模型能力——如果模型本身规划能力差，整个协作就会乱套。

一张表说清两种模型的区别

维度	Sequential	Hierarchical
执行方式	预定义顺序，一个接一个	由 Manager 动态规划和分配
任务定义	每个任务明确指定	通常只定义最终目标
上下文传递	前一个任务的输出自动作为后一个的输入	Manager 决定谁需要什么上下文
额外成本	无	每次分配/审核多一次 LLM 调用
灵活性	低，流程固定	高，可动态调整
适用场景	流程清晰、步骤固定的任务	任务复杂、需要动态规划的场景
调试难度	简单，链路清晰	困难，Manager 决策不透明

我踩过的两个坑

我第一次用 Hierarchical 时，给每个 Agent 的 description 写得很模糊，比如“你是负责写作的”。结果 Manager 让写作 Agent 去调研，让调研 Agent 去写作，最后产出的文章完全不能用。后来我才明白，Manager 就像一个刚入职的项目经理，它对你的 Agent 一无所知，全靠你写在 description 里的信息来判断。你写不清楚，它就只能瞎猜。

另一个坑是成本。我以为 Hierarchical 只是多了一层调度，后来看了日志才发现，Manager 每分配一个任务，就要调用一次 LLM，而且还要审核结果。一个三步的流程，实际可能产生了七次以上的 LLM 调用。如果你的任务只有三步且顺序明确，用 Hierarchical 就是杀鸡用牛刀。

到底怎么选？我的判断

任务步骤固定、依赖明确：用 Sequential。比如“爬取网页 -> 提取要点 -> 生成摘要”。
任务需要根据中间结果动态决策：用 Hierarchical。比如客服 Crew，要根据用户问题决定调用哪个 Agent。
团队规模大（超过 3 个 Agent）且任务相互依赖复杂：Hierarchical 更合适。
对成本敏感、希望每个步骤可控：Sequential。

另外补充一点：在 Sequential 中，你也能通过任务之间的 context 参数手动指定依赖，但流程本身还是线性的。它无法做到“根据结果决定下一步”。

FAQ：三个常见问题

为什么我的 Hierarchical 没有跑 Manager？

很可能你忘了设置 manager_llm 或 manager_agent。CrewAI 不会默认给你一个 Manager。如果你两个都没设，它会抛异常。

Sequential 和 Pipeline 有什么关系？

Pipeline 是数据处理领域的通用术语，指一串串行处理步骤。Sequential 是 CrewAI 对 Pipeline 思想的具体实现，只不过每个步骤变成了 Agent。

能不能在 Hierarchical 里让 Manager 也执行任务？

可以，但建议不要。Manager 的主要职责是协调，如果它自己也去干活，容易顾此失彼，而且会进一步增加 LLM 调用次数。

边界与局限

Sequential 的边界在于它没有“意外处理”能力——如果某个 Agent 的输出不符合预期，后续步骤不会自动调整。Hierarchical 的边界在于它把决策交给了一个可能同样会犯错的 Manager，而且开销明显。我的看法是：如果你能预先把流程写清楚，就用 Sequential；如果你真的需要动态决策，再上 Hierarchical。CrewAI 的 Process 模型不是一个越高级越好的选择，它只是一个组织工具，关键是匹配你的任务复杂度。参考 CrewAI 官方文档可以查看更多细节。