官方的文档如下
https://docs.crewai.com/concepts/knowledge
但是不知道为什么，可能是版本的问题（我用的是0.86.0），参考官方文档的配置我会报错，并且也导入不了数据库，也可能用的不是官方API。本文以常用的csv，json，pdf作为知识库进行举例
重点：下面的代码是基于0.83.0版本的！！！
使用csv文件作为数据源
def csv_knowledge_source():
# 指定向量数据库持久化文件夹（如需要可取消注释）
os.environ["CREWAI_STORAGE_DIR"] = "vector_store_csv"
current_dir = Path(__file__).parent
csv_path = current_dir / "files/high_school_scores.csv"
if not csv_path.exists():
raise FileNotFoundError(f"CSV file not found at {csv_path}")
csv_source = CSVKnowledgeSource(
file_path=csv_path,
metadata={"preference": "score"}
)
openai_api_base = os.getenv("OPENAI_API_BASE")
openai_api_key = os.getenv("OPENAI_API_KEY")
if not openai_api_base or not openai_api_key:
raise ValueError("OPENAI_API_BASE or OPENAI_API_KEY not set.")
agent = Agent(
role="高中老师",
goal="你了解学生的所有成绩",
backstory="你经常关注学生的成绩",
verbose=True,
)
task = Task(
description="使用知识库中的信息回答有关学生成绩的问题: {question}",
expected_output="基于知识库数据的解答：",
agent=agent,
)
crew = Crew(
agents=[agent],
tasks=[task],
verbose=True,
process=Process.sequential,
knowledge={
"sources": [csv_source],
# "embedder": {
# "provider": "openai",
# "api_base": openai_api_base, # 移除了config层级
# "api_key": openai_api_key,
# "model": "text-embedding-3-small"
# }
}
)
try:
result = crew.kickoff(inputs={"question": "孙七的语文成绩是多少"})
print(result)
except Exception as e:
print(f"An error occurred: {e}")
high_school_scores.csv文件
学生姓名,语文成绩,数学成绩,英语成绩
张三,63,137,66
李四,82,98,83
王五,66,50,96
赵六,57,109,145
孙七,136,121,147
使用json文件作为数据源
def json_knowledge_source():
# 指定向量数据库持久化文件夹
os.environ["CREWAI_STORAGE_DIR"] = "vector_store_json"
# 获取当前位置路径
current_dir = Path(__file__).parent
# 指定到文件路径
json_path = current_dir / "files/high_school_scores.json"
json_source = JSONKnowledgeSource(
file_path=json_path, metadata={"preference": "personal"}
)
agent = Agent(
role="高中老师",
goal="你了解学生的所有成绩",
backstory="""你经常关注学生的成绩""",
verbose=True,
)
task = Task(
description="使用知识库中的信息回答有关学生成绩的问题: {question}",
expected_output="基于知识库数据的解答：",
agent=agent,
)
crew = Crew(
agents=[agent],
tasks=[task],
verbose=True,
process=Process.sequential,
knowledge={
"sources": [json_source],
"metadata": {"preference": "personal"},
# "embedder_config": {
# "provider": "openai",
# "config": {"model": "text-embedding-3-small"}
# }
}
)
crew.kickoff(inputs={"question": "孙七的语文成绩是多少"})
high_school_scores.json
[
{
"姓名": "张三",
"语文": 63,
"数学": 137,
"英语": 66
},
{
"姓名": "李四",
"语文": 82,
"数学": 98,
"英语": 83
},
{
"姓名": "王五",
"语文": 66,
"数学": 50,
"英语": 96
},
{
"姓名": "赵六",
"语文": 57,
"数学": 109,
"英语": 145
},
{
"姓名": "孙七",
"语文": 136,
"数学": 121,
"英语": 147
}
]
使用pdf文件作为数据源
def pdf_knowledge_source():
# 指定向量数据库持久化文件夹
os.environ["CREWAI_STORAGE_DIR"] = "vector_store_pdf"
# 获取当前位置路径
current_dir = Path(__file__).parent
# 指定到文件路径
pdf_path = current_dir / "files/人物介绍.pdf"
pdf_source = PDFKnowledgeSource(
file_path=pdf_path, metadata={"preference": "personal"}
)
agent = Agent(
role="About User",
goal="你了解文档的一切。",
backstory="""你是一个回答文档内容的高手。""",
verbose=True
)
task = Task(
description="回答有关用户的问题: {question}",
expected_output="解答问题。",
agent=agent,
)
crew = Crew(
agents=[agent],
tasks=[task],
verbose=True,
process=Process.sequential,
knowledge={
"sources": [pdf_source],
"metadata": {"preference": "personal"},
}
)
crew.kickoff(inputs={"question": "张三的基本信息?"})
人物介绍.pdf
张三，35 岁，是一位在科技领域崭露头角的软件工程师。他毕业于国内顶尖学府的计算机科学专业，凭借扎实的专业知识和对技术的热爱，在行业内积累了丰富的经验。
张三性格沉稳且富有创造力，面对复杂的技术难题，总能冷静分析，找到创新的解决方案。工作之余，他还是个户外运动爱好者，经常参与登山、骑行活动，这不仅锻炼了他的体魄，也培养了他坚韧不拔的毅力。在团队合作中，张三善于倾听他人意见，凭借出色的沟通能力，总能高效地协调团队成员，推动项目顺利进行。无论是工作还是生活，他都以积极的态度影响着身边的人，是大家眼中的榜样。
参考资料：
https://www.bilibili.com/video/BV1jPBfYfE8C
补充：
向量数据库的本地存储位置，Win系统的在这里
C:\Users\用户名\AppData\Local\CrewAI
快速浏览：
Win+R，然后粘贴
explorer.exe C:\Users\%USERNAME%\AppData\Local\CrewAI
如果使用的版本是0.86.0的，将会出现如下错误，暂时还不知道是什么原因。并且目前还不可以使用自定义的embedding层。借此博文，也希望抛砖引玉一下，求助怎么解决上述问题~
