训练

文档索引

获取完整文档索引： https://docs.crewai.com.cn/llms.txt

在深入了解之前，请使用此文件来浏览所有可用页面。

​

概述

​

使用 CLI 训练您的智能体团队

1. 打开您的终端或命令提示符。
2. 导航到您的 CrewAI 项目所在的目录。
3. 运行以下命令：

crewai train -n <n_iterations> -f <filename.pkl>

​

以编程方式训练您的智能体团队

1. 定义训练的迭代次数。
2. 指定训练过程的输入参数。
3. 在 try-except 代码块中执行训练命令，以处理潜在的错误。

n_iterations = 2
inputs = {"topic": "CrewAI Training"}
filename = "your_model.pkl"

try:
    YourCrewName_Crew().crew().train(
      n_iterations=n_iterations,
      inputs=inputs,
      filename=filename
    )

except Exception as e:
    raise Exception(f"An error occurred while training the crew: {e}")

​

智能体如何使用训练数据

​

训练数据流

​

在训练运行期间

• 在每次迭代中，系统会为每个智能体记录以下内容：
  • initial_output：智能体的初步回答
  • human_feedback：当系统提示时，您提供的内联反馈
  • improved_output：智能体在收到反馈后的后续回答
• 此数据存储在名为 training_data.pkl 的工作文件中，并按智能体的内部 ID 和迭代次数进行索引。
• 当训练处于活动状态时，智能体会自动将您之前的人类反馈附加到其提示词中，以便在训练会话的后续尝试中强制执行这些指令。训练是交互式的：任务将 human_input 设置为 true，因此在非交互式环境中运行时，系统会因等待用户输入而阻塞。

​

训练完成后

• 当 train(...) 完成时，CrewAI 会针对每个智能体评估收集到的训练数据，并生成一个包含以下内容的综合结果：
  • suggestions：从您的反馈以及初始输出与改进输出之间的差异中提取的清晰、可操作的指令。
  • quality：一个 0 到 1 之间的分数，用于衡量改进程度。
  • final_summary：针对未来任务的一步步行动项目集。
• 这些综合结果会保存到您传递给 train(...) 的文件名中（通过 CLI 默认为 trained_agents_data.pkl）。条目按智能体的 role 进行索引，以便它们可以跨会话应用。
• 在正常（非训练）执行期间，每个智能体会自动加载其综合后的 suggestions，并将它们作为强制指令附加到任务提示词中。这使您能够在不更改智能体定义的情况下获得持续的改进。

​

文件摘要

• training_data.pkl（临时，按会话）
  • 结构：agent_id -> { 迭代编号: { initial_output, human_feedback, improved_output } }
  • 目的：在训练期间捕获原始数据和人类反馈
  • 位置：保存在当前工作目录 (CWD) 中
• trained_agents_data.pkl（或您的自定义文件名）
  • 结构：agent_role -> { suggestions: 字符串列表, quality: 数值, final_summary: 字符串 }
  • 目的：为未来的运行持久化综合建议
  • 位置：默认写入 CWD；使用 -f 设置自定义（包括绝对）路径

​

小语言模型注意事项

​

小模型在训练评估中的局限性

​

训练建议

from crewai import Agent, Crew, Task, LLM

# Recommended minimum for training evaluation
llm = LLM(model="mistral/open-mistral-7b")

# Better options for reliable training evaluation
llm = LLM(model="anthropic/claude-3-sonnet-20240229-v1:0")
llm = LLM(model="gpt-4o")

# Use this LLM with your agents
agent = Agent(
    role="Training Evaluator",
    goal="Provide accurate training feedback",
    llm=llm
)

# Using a smaller model (expect some limitations)
llm = LLM(model="huggingface/microsoft/Phi-3-mini-4k-instruct")

​

关键注意事项

• 正整数要求：确保迭代次数 (n_iterations) 为正整数。如果不满足此条件，代码将引发 ValueError。
• 文件名要求：确保文件名以 .pkl 结尾。如果不满足此条件，代码将引发 ValueError。
• 错误处理：代码处理子进程错误和意外异常，并向用户提供错误消息。
• 训练后的引导是在提示时应用的；它不会修改您的 Python/YAML 智能体配置。
• 智能体会自动从位于当前工作目录中名为 trained_agents_data.pkl 的文件中加载训练建议。如果您训练到了不同的文件名，请在运行前将其重命名为 trained_agents_data.pkl，或在代码中调整加载器。
• 您可以在调用 crewai train 时使用 -f/--filename 更改输出文件名。如果您想保存在 CWD 之外，支持绝对路径。