# README.md:63（原文节选）
CrewAI is an open-source Python framework with high-level abstractions
and low-level APIs for building production-ready multi-agent workflows.
It gives developers autonomous agent collaboration through Crews and
precise, event-driven control through Flows.

克隆下来第一眼你会发现：核心代码不在根目录，而在 lib/ 下面分成了好几个独立的包。这叫 monorepo——多个能各自发布的 Python 包住在同一个 git 仓库里，用 uv workspace 统一管理。根 pyproject.toml 第一行就点明它自己只是个"工作区壳子"（pyproject.toml:1）：

# pyproject.toml:1
name = "crewai-workspace"
# ...
requires-python = ">=3.10,<3.14"

# pyproject.toml:231
[tool.uv.workspace]
# members 指向 lib/ 下的各个子包

用 ls lib/ 能看到六个子包。每个子包里都有自己的 pyproject.toml，第一行的 name 就是它发布到 PyPI 的名字：

# 在仓库根执行，逐个看子包名
$ for d in lib/*/; do grep -m1 '^name' "$d/pyproject.toml"; done
name = "crewai-cli"        # lib/cli
name = "crewai-core"       # lib/crewai-core
name = "crewai-files"      # lib/crewai-files
name = "crewai-tools"      # lib/crewai-tools
name = "crewai"            # lib/crewai      ← ★ 60 天主战场
name = "crewai-devtools"   # lib/devtools

主战场是 lib/crewai/src/crewai/。ls 一下，把关键文件/目录对号入座（这就是 60 天大纲的物理地址）：

$ ls lib/crewai/src/crewai/
__init__.py      # ★ 门面：决定 import crewai 能拿到什么（L05 细看）
agent/           # Agent 本体（core.py 是主类）—— 阶段1/2
agents/          # 执行器/解析器：crew_agent_executor.py parser.py step_executor.py
task.py          # ★ Task 模型（单文件，1400+ 行）—— D04/阶段3
tasks/           # Task 的周边：task_output.py conditional_task.py guardrail...
crew.py          # ★ Crew 模型（2400 行，最大的文件）—— D05/阶段4
crews/           # crew_output.py 等结果对象
process.py       # ★ Process 枚举（就 11 行！sequential / hierarchical）
flow/            # Flow 事件驱动编排 —— 阶段7
llm.py  llms/    # LLM 抽象与各 provider 适配 —— 阶段8
memory/  rag/  knowledge/   # 记忆与知识 —— 阶段6
tools/  mcp/     # 工具系统与 MCP —— 阶段5
events/          # 事件总线/监听器（贯穿始终）
cli/  project/  security/  a2a/  telemetry/  # 生态/进阶 —— 阶段9/10

当你写 from crewai import Agent, Crew, Task，这些名字从哪来？答案是包门面 __init__.py。它开头就把主角们从各自的模块里"请到门口"（__init__.py:8）：

# __init__.py:8
from crewai.agent.core import Agent          # ← 注意：Agent 在 agent/core.py，不是 agent/agent.py
from crewai.context import ExecutionContext
from crewai.crew import Crew
from crewai.crews.crew_output import CrewOutput
from crewai.flow.flow import Flow
from crewai.knowledge.knowledge import Knowledge
from crewai.llm import LLM
from crewai.llms.base_llm import BaseLLM
from crewai.process import Process
from crewai.task import Task
from crewai.tasks.task_output import TaskOutput

接着有一个很有意思的惰性导入机制——Memory 不在开头 import，而是等你第一次访问 crewai.Memory 才加载（__init__.py:58）：

# __init__.py:53
_LAZY_IMPORTS: dict[str, tuple[str, str]] = {
    "Memory": ("crewai.memory.unified_memory", "Memory"),
}

# __init__.py:58
def __getattr__(name: str) -> Any:
    """Lazily import heavy modules (e.g. Memory → lancedb) on first access."""
    if name in _LAZY_IMPORTS:
        module_path, attr = _LAZY_IMPORTS[name]
        mod = importlib.import_module(module_path)   # 用到时才真正 import
        val = getattr(mod, attr)
        globals()[name] = val                        # 缓存到模块全局，下次直接拿
        return val
    raise AttributeError(f"module 'crewai' has no attribute {name!r}")

最后 __all__ 明确列出对外公开的名字（__init__.py:187）：LLM, Agent, BaseLLM, Crew, CrewOutput, Entity, ExecutionContext, Flow, Knowledge, LLMGuardrail, Memory, PlanningConfig, Process, RuntimeState, Task, TaskOutput, __version__。这一串就是 CrewAI 官方认可的"公共 API 表面"。

把 L05 请出来的名字连成关系，就是整个框架的心智模型。当前版本号也在门面里写着：__version__ = "1.15.2"（__init__.py:51）。

from crewai import Agent, Task, Crew, Process

analyst = Agent(
    role="Senior Market Analyst",
    goal="Conduct deep market analysis with expert insight",
    backstory="You're a veteran analyst known for identifying subtle market patterns")

analysis_task = Task(
    description="Analyze {sector} sector data for the past {timeframe}",
    expected_output="Detailed market analysis with confidence score",
    agent=analyst)

crew = Crew(agents=[analyst], tasks=[analysis_task],
            process=Process.sequential, verbose=True)
result = crew.kickoff(inputs={"sector": "tech", "timeframe": "1W"})  # → CrewOutput