训练 Crews
训练允许你通过在 CrewAI AMP 的 Training 选项卡中运行迭代训练会话来提升 crew 性能。平台使用 auto-train 模式，它会自动处理迭代流程，不同于需要每次迭代都进行人工反馈的 CLI 训练。
训练完成后，CrewAI 会评估智能体输出，并将反馈整合为针对每个智能体的可执行建议。随后，这些建议会应用于未来的 crew 运行，以提高输出质量。
活动部署
你需要一个 CrewAI AMP 账号，并拥有处于 Ready 状态的活动部署（Crew 类型）。
运行权限
你的账号必须对要训练的部署拥有运行权限。
如何训练 crew
Section titled “如何训练 crew”- 打开 Training 选项卡
导航到 Deployments，点击你的部署，然后选择 Training 选项卡。
- 输入训练名称
提供一个 Training Name - 这将成为用于存储训练结果的
.pkl文件名。例如，“Expert Mode Training” 会生成expert_mode_training.pkl。 - 填写 crew 输入
输入 crew 的输入字段。这些与正常 kickoff 时提供的输入相同 - 系统会根据你的 crew 配置动态加载。
- 开始训练
点击 Train Crew。在过程运行时，该按钮会变成带有旋转指示器的 “Training…”。
在幕后：
- 为你的部署创建训练记录
- 平台调用该部署的 auto-train 端点
- crew 自动运行迭代，无需人工反馈
- 监控进度
Current Training Status 面板会显示：
- Status - 训练运行的当前状态
- Nº Iterations - 配置的训练迭代次数
- Filename - 正在生成的
.pkl文件 - Started At - 训练开始时间
- Training Inputs - 你提供的输入
理解训练结果
Section titled “理解训练结果”训练完成后，你会看到每个智能体的结果卡片，其中包含以下信息：
- Agent Role - 该智能体在 crew 中的名称/角色
- Final Quality - 从 0 到 10 的分数，用于评估智能体输出质量
- Final Summary - 智能体在训练期间表现的摘要
- Suggestions - 用于改进智能体行为的可执行建议
你可以为任意智能体优化建议：
- 点击 Edit
在任意智能体的结果卡片上，点击建议旁边的 Edit 按钮。
- 修改建议
更新建议文本，使其更准确地反映你希望的改进。
- 保存更改
点击 Save。编辑后的建议会同步回部署，并在今后的所有运行中使用。
使用训练数据
Section titled “使用训练数据”要将训练结果应用到你的 crew：
- 记下已完成训练会话中的 Training Filename（
.pkl文件）。 - 在部署的 kickoff 或运行配置中指定该文件名。
- crew 会自动加载训练文件，并将存储的建议应用到每个智能体。
这意味着智能体会在之后的每次运行中受益于训练期间生成的反馈。
Training 选项卡底部会显示该部署所有过往训练会话的历史记录。你可以用它来回顾之前的训练运行、比较结果，或选择不同的训练文件。
如果训练运行失败，状态面板会显示错误状态以及说明问题所在的消息。
训练失败的常见原因包括：
- Deployment runtime 未更新 - 确保你的部署运行的是最新版本
- Crew 执行错误 - crew 的任务逻辑或智能体配置存在问题
- 网络问题 - 平台与部署之间存在连接问题