first-flow.mdx

Erster Flow: ereignisgesteuerte Pipeline, die geführte Abläufe (@start, @listen) mit Crews kombiniert — Beispiel: Lernguide-Generator.

Für wen: Wer Crews in kontrollierte Abläufe einbetten will.

Im Detail

Dieses Tutorial zeigt am Beispiel eines Lernguide-Generators, wie man mit crewAI einen Flow baut, also eine ereignisgesteuerte Pipeline aus @start- und @listen-Funktionen, die einzelne Schritte kontrolliert nacheinander oder parallel ausführt und dabei auch komplette Crews als Bausteine einbinden kann. Im Unterschied zur freien Crew-Autonomie steht hier die Nachvollziehbarkeit im Vordergrund: Man legt genau fest, was wann passiert. Relevant für alle, die Agenten-Power mit einem verlässlichen, testbaren Ablauf kombinieren wollen, etwa für Produktions-Workflows statt reiner Experimente. Setzt idealerweise Grundkenntnisse aus dem Crew-Tutorial voraus, da Flows Crews als Komponenten nutzen können. Als kopierter Doku-Auszug gilt die MIT-Lizenz des Originalprojekts.

Beispiel aus der Praxis

Statt eines Lernguide-Generators baut jemand einen Onboarding-Flow, bei dem @start eine Recherche-Crew anstößt und @listen je nach Ergebnis entweder eine Zusammenfassungs- oder eine Rückfrage-Crew startet.

Praxis-Tipp

Mit der Lernguide-Generator-Vorlage aus dem Beispiel starten und einen einzelnen @listen-Schritt durch eine eigene Crew ersetzen, um das Zusammenspiel aus Flow-Steuerung und Agenten-Autonomie direkt zu erleben.

Stolperfallen

Ohne vorheriges Verständnis von Crews wirkt der Dekorator-Ablauf schnell verwirrend — das Crew-Konzept zuerst durcharbeiten. Unklar definierte Übergangsbedingungen führen zu Flows, die hängen bleiben oder die falschen Schritte auslösen.

Siehe auch

• first-crew.mdx
• mastering-flow-state.mdx
• evaluating-use-cases.mdx

Lizenz & Quelle

• Lizenz: MIT
• Quelle: crewAIInc/crewAI