TNWS AI

Гайд · TNWS AI

Как хранить данные в словарном state CrewAI Flow

CrewAIPython#CrewAI#нейросети#Python
4 мин—

Словарное состояние CrewAI Flow: запись кода и счётчика, чтение в следующем шаге, точный итог и защита от отсутствующего ключа.

Задача и применимость

Актуальный поисковый запрос: «как использовать unstructured state в CrewAI Flow». Передать несколько значений между шагами через неструктурированное состояние. CrewAI Flow поддерживает dictionary-like state для простых сценариев. Каждый state автоматически имеет идентификатор, однако пользовательские ключи остаются вашей ответственностью: опечатка проявится только во время исполнения, в отличие от Pydantic-схемы. Материал сверён 26 сентября 2026 года с официальной документацией CrewAI 1.15.22. Примеры предназначены для Python 3.10+; закрепите версию пакета, потому что сигнатуры и поведение развиваются. Все коды, статусы и даты в примерах вымышлены.

Пошаговая настройка

  1. В стартовом методе присвойте значения через self.state[...].
  2. В listener читайте ключи явно и формируйте результат.
  3. Проверьте идентификатор flow отдельно от пользовательского кода.
  4. Добавьте тест отсутствующего ключа и понятную обработку ошибки.

Перед запуском установите CrewAI по официальной инструкции. Для примеров с агентом задайте CREWAI_MODEL и учётные данные провайдера через переменные среды; доступность модели зависит от вашего аккаунта. Flow-примеры не требуют LLM и должны сначала проходить как детерминированные тесты. Не включайте действующие ключи и реальные клиентские данные в исходник или prompt.

Готовый шаблон

from crewai.flow.flow import Flow, listen, start

class CounterFlow(Flow):
    @start()
    def initialize(self):
        self.state["code"] = "R-7"
        self.state["checks"] = 1

    @listen(initialize)
    def finish(self):
        self.state["checks"] += 1
        return f'{self.state["code"]}:{self.state["checks"]}'

flow = CounterFlow()
result = flow.kickoff()
assert result == "R-7:2"

Конкретный вход и ожидаемый результат

До запуска пользовательские данные отсутствуют. initialize записывает code='R-7' и checks=1; finish увеличивает счётчик. Ожидаемый итог — R-7:2. Поле внутреннего ID состояния не заменяет код заявки и не должно показываться пользователю как бизнес-идентификатор.

Как фактически проверить

После kickoff проверьте не только строку, но и значения flow.state['code'] и flow.state['checks']. Затем намеренно удалите ключ checks в тестовой версии и убедитесь, что ошибка не маскируется значением по умолчанию, если это противоречит процессу. Для больших и долгоживущих state переходите на структурированную Pydantic-модель.

Проверяйте не только итоговую строку, но и путь исполнения: входные данные, вызванный метод или Task, промежуточный результат и финальное преобразование. Успешный Python-процесс не доказывает правильность фактов LLM. Для агентных сценариев сделайте не менее трёх прогонов фиксированной модели и укажите долю прохождения критериев, а не выбирайте лучший ответ вручную.

Критерии приёмки

  1. Python-код проходит синтаксическую проверку, а зависимости и версия зафиксированы.
  2. Положительный пример даёт заранее описанный результат без новых фактов.
  3. Отрицательный пример завершается явным отказом либо контролируемой веткой.
  4. Ни один шаг не получает больше данных или полномочий, чем требуется задаче.
  5. После обновления CrewAI или модели тот же набор выполняется повторно.

Протокол воспроизводимости

Сохраните дату, версию CrewAI, версию Python, идентификатор модели для agent-примеров и обезличенный вход. Для Flow зафиксируйте порядок событий и финальный state; для Task — TaskOutput, число попыток и результат guardrail. Не записывайте секреты, системные prompts и персональные данные без необходимости. Если ошибка плавающая, классифицируйте её как неверный маршрут, неверный аргумент, исключение Python или неподтверждённую генерацию — эти случаи исправляются по-разному.

Регрессионный набор

Не ограничивайтесь одним удачным примером. Добавьте стандартный вход, отсутствующее обязательное поле, похожий идентификатор, пустую строку и слишком длинное значение. Для каждого заранее укажите ожидаемое событие, состояние и финальный результат. В агентных задачах отдельно оценивайте правильность фактов и соблюдение формата; красивый текст не компенсирует неверный код. В Flow проверяйте, какой метод действительно вызван и сколько раз: одинаковая финальная строка может скрыть ошибочный маршрут. При изменении модели не переносите прежние показатели автоматически. При изменении схемы state предусмотрите миграцию сохранённых записей. Ошибка одного теста должна блокировать автоматическое внешнее действие, но не обязана останавливать независимые процессы системы. После исправления обязательно повторите весь набор, а не только упавший случай. Такой набор превращает статью в повторяемую инструкцию, а не в демонстрацию единственного счастливого пути.

Типичные ошибки и чего не делать

  • Не путайте автоматически созданный state id с кодом предметной сущности.
  • Не используйте разные варианты имени одного ключа в шагах.
  • Не помещайте секреты в state без политики хранения и шифрования.

Не увеличивайте retries, max_iter или таймаут после каждой ошибки автоматически. Ограничение останавливает цикл, но не исправляет отсутствующий факт или плохую схему. Не выполняйте платежи, удаление, публикацию и другие необратимые действия только на основании текста модели. Добавляйте детерминированную проверку и, где требуется, человеческое подтверждение.

FAQ

Как обращаться к данным?

Как к словарю через self.state[ключ].

Есть ли автоматический ID?

Да, документация указывает уникальный ID состояния flow.

Когда лучше Pydantic?

Когда важны типы, обязательные поля и ранняя валидация.

Официальные источники

Частые вопросы

Как обращаться к данным?

Как к словарю через self.state[ключ].

Есть ли автоматический ID?

Да, документация указывает уникальный ID состояния flow.

Когда лучше Pydantic?

Когда важны типы, обязательные поля и ранняя валидация.

Читайте также

ГайдыCrewAIPython26 сентября 2026

Как объединить события CrewAI Flow через or_ и and_

Проверяемая разница or_ и and_ в CrewAI Flow: запуск после любого события или после всех, пример состояния и критерии выбора.

4 мин 
ГайдыCrewAIPython26 сентября 2026

Как передать результат одной задачи CrewAI в другую через context

Две последовательные задачи CrewAI с context: извлечение кода, формирование ответа, конкретный эталон и проверка отсутствия посторонних данных.

4 мин 
ГайдыCrewAIPython26 сентября 2026

Как получить Pydantic-результат задачи CrewAI через output_pydantic

Структурированный TaskOutput в CrewAI через output_pydantic: схема заявки, конкретный вход, доступ к result.pydantic и предметная проверка.

4 мин 

Подбор

Какую нейросеть выбрать

Пройти опрос

Комментарии

Пока тихо. Скажите первое слово