基于 CrewAI 构建自动化研报分析流：如何解决多 Agent 循环死锁问题

之前我用 CrewAI 搭一个自动化研报流，设定了三个角色：一个搜集行业数据的 Researcher，一个分析财务指标的 Analyst，一个写报告的 Writer。结果在处理复杂研报时，Researcher 搜到的信息不完整，Analyst 觉得不够，于是触发任务回溯，导致两个 Agent 陷入死循环，Token 烧得飞快但报告一个字没出。

解决这个问题的核心在于：强行引入一个 Manager Agent 来做决策中断，并严格限制任务的 max_iterations。

具体配置技巧如下：

1. 引入管理层级，打破平级循环
不要让 Agent 之间直接传递任务，而是通过 manager_llm 接管。这样当两个 Agent 出现分歧时，由 Manager 决定是否结束当前步骤。

from crewai import Crew, Process

# 定义一个更强的模型作为 Manager，建议用 Claude 3.5 Sonnet 或 GPT-4o
my_crew = Crew(
    agents=[researcher, analyst, writer],
    tasks=[search_task, analysis_task, write_task],
    process=Process.hierarchical, 
    manager_llm=ChatOpenAI(model="gpt-4o"), 
    verbose=True
)

2. 强制限制迭代次数（防死锁关键）
在定义 Agent 时，必须给 max_iterations 设限，否则一旦进入逻辑死循环，程序会一直运行直到 API 余额耗尽。

researcher = Agent(
    role='Industry Researcher',
    goal='Find latest market trends',
    backstory='Expert in data mining',
    max_iterations=5, # 强制 5 次尝试后必须交出结果
    allow_delegation=True
)

3. 优化 Prompt 消除语义模糊
死锁经常是因为任务描述太宽泛。我把原本的 Analyze the report 改成了带有具体检查清单的指令。

糟糕的 Prompt： 请分析这份研报并总结核心观点。
有效的 Prompt： 请提取研报中的 [营收增长率]、[毛利率] 和 [核心风险点] 三个维度。如果信息缺失，直接标记为 "N/A"，严禁要求 Researcher 重新搜索。

踩过的坑：
最坑的一点是 allow_delegation=True。如果所有 Agent 都开启委托权限，它们会像传球一样把任务传来传去。建议只给 Manager 或最高级 Agent 开启委托，底层的执行 Agent 应该只负责输出结果。

这样调整后，整个分析流的执行路径从原来的「随机游走」变成了「漏斗式过滤」，单篇研报的分析时间从 10 分钟缩短到了 2 分钟，且再也没有出现过死循环。