最近刷到太多人在讨论「AI Agent 到底能不能干活」，我就花了一个晚上，用 CrewAI + OpenAI（也可以换成国产模型）搭了一个最简单但能跑通的「AI 小团队」。

目标任务非常具体：

“帮我写一个命令行工具：输入任意 B 站视频 av号 或 bv号，自动爬取视频标题、UP主、播放量、弹幕数、点赞数、投币数、收藏数、分享数，并以 Markdown 表格形式输出最近 7 天同 UP 主的其他热门视频（播放量前 5）。”

下面是完整流程和代码（2026 年 1 月测试通过）。

依赖安装（一行命令）

pip install crewai crewai-tools langchain-openai python-dotenv requests beautifulsoup4

（如果你用国产模型，把 langchain-openai 换成 langchain-community + 对应的 LLM 即可）

.env 文件（放 API Key）

OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxx
# 如果用通义千问、DeepSeek、硅基流动等，就改成对应的环境变量

核心代码（main.py）

import os
from dotenv import load_dotenv
from crewai import Agent, Task, Crew, Process
from crewai_tools import SerperDevTool, ScraperTool
from langchain_openai import ChatOpenAI

load_dotenv()

# ====================== LLM 配置 ======================
llm = ChatOpenAI(
    model="gpt-4o-mini",          # 也可以换 gpt-4o / qwen-max / deepseek-chat 等
    temperature=0.4,
)

# ====================== 工具准备 ======================
search_tool = SerperDevTool()           # 需要去 serper.dev 注册免费 api key
scrape_tool = ScraperTool()

# ====================== 定义四个角色 ======================
researcher = Agent(
    role="B站数据研究员",
    goal="从 B站 页面和搜索结果中提取准确的视频统计数据",
    backstory="你非常熟悉 B站 的页面结构，能从 HTML 中精准抠出标题、播放量、弹幕数等",
    verbose=True,
    allow_delegation=False,
    tools=[scrape_tool, search_tool],
    llm=llm
)

analyst = Agent(
    role="数据分析师",
    goal="整理数据、找出同一个 UP 主的热门视频，并按播放量排序",
    backstory="你擅长清洗杂乱的数据，找出规律，给出简洁结论",
    verbose=True,
    allow_delegation=False,
    llm=llm
)

writer = Agent(
    role="Markdown 报告撰写者",
    goal="把所有信息整理成美观、易读的 Markdown 表格",
    backstory="你写 Markdown 非常专业，表格对齐完美，标题吸引人",
    verbose=True,
    allow_delegation=False,
    llm=llm
)

reviewer = Agent(
    role="质量审查员",
    goal="检查数据是否合理、表格是否美观、逻辑是否通顺",
    backstory="你极其挑剔，发现任何小问题都会指出来要求重写",
    verbose=True,
    llm=llm
)

# ====================== 定义任务（顺序执行） ======================
task1 = Task(
    description=(
        "用户会给你一个 B站 视频的 av 或 bv 号，例如 av12345678 或 BV1xx411c7mU。"
        "请先访问视频页面，提取：标题、UP主昵称、UP主空间链接、播放量、弹幕数、点赞、投币、收藏、分享。"
        "然后用搜索工具找到这个 UP 主最近 7 天内其他视频，并列出播放量前 5 的视频链接和标题。"
    ),
    expected_output="结构化 JSON，包含原视频信息 + 同 UP 最近 7 天热门视频列表",
    agent=researcher
)

task2 = Task(
    description="接收 researcher 的原始数据，清洗数字（去掉 万、亿 等单位，转成整数），按播放量降序排序，保留前 5 条",
    expected_output="清洗后的结构化数据（JSON 格式）",
    agent=analyst
)

task3 = Task(
    description=(
        "把 analyst 的结果转成 Markdown 格式："
        "1. 先输出原视频的关键数据（一行总结）"
        "2. 再输出一个表格：标题 | BV号 | 播放量 | 点赞 | 投币 | 收藏 | 分享 | 链接"
        "表格要整齐对齐，使用中文表头"
    ),
    expected_output="完整的 Markdown 文本",
    agent=writer
)

task4 = Task(
    description=(
        "仔细审查 writer 输出的 Markdown："
        "- 数据是否和前面的 JSON 一致？"
        "- 数字有没有写错单位？"
        "- 表格有没有对齐崩坏？"
        "- 有没有错别字或逻辑不通？"
        "如果有问题，写出详细意见并要求重写；如果没问题，直接输出 '通过' 并附上最终 Markdown"
    ),
    expected_output="最终审查意见 + 通过后的 Markdown（或要求重写的任务描述）",
    agent=reviewer
)

# ====================== 组装 Crew 并启动 ======================
crew = Crew(
    agents=[researcher, analyst, writer, reviewer],
    tasks=[task1, task2, task3, task4],
    process=Process.sequential,   # 顺序执行，也可以试 hierarchical
    verbose=2                     # 2 最详细，方便 debug
)

if __name__ == "__main__":
    video_id = input("请输入 B站 视频 av 或 bv 号（例如 BV1xx411c7mU）：").strip()
    
    result = crew.kickoff(inputs={"video_id": video_id})
    
    print("\n" + "="*60)
    print("最终输出（审查通过版本）：")
    print(result)

实际运行效果（2026年1月某次测试）

输入：BV1xx411c7mU

输出大致是这样的 Markdown：

### 原视频概览
标题：【2026新年】AI彻底改变了我的工作流  
UP主：小明AI日记  
播放量：324万  
弹幕数：4.8万  
点赞：12.6万　投币：5.9万　收藏：8.2万　分享：3.1万

### 该UP主最近7天其他热门视频（播放量Top5）

| 排名 | 标题                                   | BV号         | 播放量   | 点赞   | 投币   | 收藏   | 分享   | 链接                          |
|------|----------------------------------------|--------------|----------|--------|--------|--------|--------|-------------------------------|
| 1    | Claude 4 实测：比 o1 更强？           | BV1mK421C7pQ | 458万    | 18.9万 | 9.2万  | 13.4万 | 5.6万  | https://b23.tv/xxxxxxx        |
| 2    | 2026 年最值得本地部署的 3 个模型      | BV1Nx411a7mR | 389万    | 14.7万 | 6.8万  | 10.1万 | 4.2万  | https://b23.tv/yyyyyyy        |
| ...  | ...                                    | ...          | ...      | ...    | ...    | ...    | ...    | ...                           |

几点真实感受

1. 4 个 agent 真的会“吵架” —— reviewer 经常把 writer 打回去重写表格对齐
2. gpt-4o-mini 已经够用，性价比最高；如果追求零成本，可以全部换成 qwen2.5:14b 或 deepseek-r1
3. 最耗时的其实是工具调用（爬虫 + 搜索），模型推理反而很快
4. 再加记忆（CrewAI 的 memory=True）或者让它们循环辩论，效果还能更好，但代码会变复杂

想再进阶的可以试试：

• 加文件读写工具 → 直接输出 .md 文件
• 用 AutoGen GroupChat 替换 sequential 变成自由辩论
• 把 reviewer 改成多轮 review，直到通过为止

你也可以直接 fork 这段代码，改成爬小红书、知乎、微博……任何你感兴趣的平台。

AI Agent 已经不是玩具了，它真的开始抢“脏活累活”了。

你准备让 AI 帮你干哪一件最烦的事？

（完）