打造一个完全本地运行的多智能体图书写作系统

今天，我们学习如何构建一个 Agentic 工作流，根据 3-5 个单词的书名编写一本 20k 单词的书。

技术栈：

• Bright Data 用于大规模抓取网页。

• crewAIInc 用于编排。

• GoogleDeepMind 的 Gemma 3 作为 LLM。

• ollama 在本地为 Gemma 3 提供服务。

以下是我们的工作流程：

• 使用 Bright Data，Outline Crew 抓取与书名相关的数据并确定章节数和标题。

• 并行调用多个 Writer Crew，每个 Writer Crew 编写一章。

• 合并所有章节以获得整本书。

准备好了吗？开始撸代码！

书籍需要研究。因此，我们将使用 Bright Data 的 SERP API 大规模抓取数据。

工具使用：

• 大纲团队 → 研究书名并准备大纲。

• 作家团队 → 研究章节标题并撰写。

我们将通过 Ollama 在本地提供 Gemma 3。

具体操作如下：

• 首先，我们把它下载到本地。

• 接下来，我们使用 CrewAI 的 LLM 类对其进行定义。

这个团队有两个智能体：

• 研究智能体 → 使用 Bright Data 抓取工具抓取与书名相关的数据并准备提取信息。

• 大纲智能体 → 使用见解将总章节和标题输出为 Pydantic 输出。

这个团队有两个智能体：

• 研究智能体 → 使用 Bright Data Scraping 工具抓取与章节标题相关的数据并准备提取信息。

• 写作智能体 → 使用见解撰写章节。

我们使用 CrewAI Flows 来协调工作流程。

首先，大纲方法调用大纲团队，其：

• 使用抓取工具研究主题。

• 返回章节总数和相应的标题。

接下来，我们定义一个编写章节的方法。在这里，我们每章调用一个 Writer Crew，每个 Crew 并行运行。

我们还将所有章节的列表传递给每个 Crew，以便他们了解这本书的整体大纲。

一旦所有 Writer Crew 都完成执行，我们就会将书籍保存为 Markdown 文件。

最后，我们运行流程。

• 首先，调用大纲组。它利用 Bright Data 抓取工具来准备大纲。

• 接下来，并行调用许多作家组，每人编写一章。