CAMEL 多智能体框架上手指南装好环境跑通两个 AI 的第一次协作【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camel你想让 AI 不只是陪聊而是分工把活儿干完一个查资料、一个写代码最后汇总成一份结果。CAMEL全称 Communicative Agents for Mind Exploration of Large Language Model Society就是为这件事设计的开源多智能体框架——让多个大模型智能体各自扮演角色通过对话协作完成单个智能体做不好的任务。一句话定位CAMEL 是什么处于什么阶段CAMEL 是目前最老牌的多智能体框架之一出自 NeurIPS 2023 论文当前版本仍在 0.2.x 预发布阶段pyproject.toml中标注0.2.91a5迭代很快。它值得留意的三点角色扮演是主线机制智能体之间靠用户/助手两种角色对话推进任务而不是靠硬编码流程模块拆得很细camel/下按 agents、models、toolkits、societies 等目录分层用得到什么装什么自带可运行的示例库examples/ 目录里按场景分好了几十组脚本照着改就能跑机制拆解把任务交给一个两人班组 CAMEL 最基础的合作单元可以类比一个两人班组。你给它一句任务比如开发一个股票交易机器人框架会做三件事派单一个叫任务指定的内部智能体先把模糊的任务提示词扩写成明确的执行目标再为两个角色比如 Python 程序员 和 股票交易员各生成一份系统提示词写清楚各自的立场和职责执行两个智能体开始轮流出招——用户角色提需求、验收助手角色干活、交付一轮一轮对话每一轮都会检查任务是否完成汇总当任一方判断任务结束比如输出CAMEL_TASK_DONE标记对话停止过程里产出的内容就是最终结果图两个智能体扮演不同角色围绕任务提示词交替发言直至任务完成如果任务更复杂CAMEL 还提供 Workforce劳动力机制一个协调者智能体接收总任务拆成子任务派给多个工人智能体等全部干完再自动合并结果类似派单—并行执行—汇总的流水线。图Workforce 模式下任务从接收、分解到多智能体执行的整体结构三步装好环境环境要求很克制Python 3.10 到 3.14 之间requires-python 3.10,3.15其余靠 pip 解决。# 1. 安装核心包只需联网无需本地模型 pip install camel-ai # 2. 配置模型密钥以 OpenAI 为例其他模型见 camel/configs/ export OPENAI_API_KEY你的密钥如果后续要用搜索、RAG 等工具再按功能加扩展包即可例如pip install camel-ai[web_tools]。完整说明见 docs/get_started/installation.md。完整示例走一遍两个 AI 协作开发交易机器人 仓库里最经典的入门脚本是 examples/ai_society/role_playing.py它的完整逻辑只有四步输入一行任务提示词Develop a trading bot for the stock market加上两个角色名Python Programmer和Stock Trader。脚本用RolePlaying类初始化会话时with_task_specifyTrue会触发前面说的派单环节先打印出系统提示词和扩写后的任务说明。执行调用role_play_session.init_chat()拿到开场消息然后进入循环——每次step()让两个智能体各发言一轮。脚本设置了 50 轮上限chat_turn_limit50防止对话失控。输出对话以用户角色说出CAMEL_TASK_DONE或某一方主动终止而结束终端会打印终止原因。整个过程你看到的就是两个 AI 的完整对话记录程序员提出方案、交易员追问细节、修改、再验收。想本地跑通把示例里的modelNone换成本地创建好的模型对象即可模型创建方式参考 examples/agents/create_chat_agent.py。它能做的 2~3 件事多任务流水线协作examples/workforce/pipeline_workflow_example.py 演示了 fork-join 模式——一个文献检索任务拆成 5 个并行摘要子任务干完后自动合成一篇综述。想把先调研、再分析、后成文这类工作自动化可以从这个脚本起步改角色和提示词。聊天平台机器人examples/bots/ 下有 Discord 和 Telegram 机器人的完整示例把智能体接到聊天软件里当客服或助手配合 camel/bots/ 的封装类使用。合成数据生成examples/datagen/ 提供了 Self-Instruct、Evol-Instruct 等数据生成脚本对应 camel/datagen/ 模块可以用它批量造指令数据服务于模型训练或评测。要注意什么 ⚠️版本还在快速演进0.2.x 预发布版本里 API 可能有变动升级前建议看一眼 test/ 下的测试或用 git tag 固定版本别默认接口长期不变。Python 版本卡得死只支持 3.10~3.14用 3.8、3.9 或 3.15 的环境会直接装不上先用python3 --version确认。对话示例是真金白银角色对话示例默认要跑几十轮模型调用且每轮都有 token 开销调试时把chat_turn_limit调小或者按文档切换到本地模型。另外多数高级功能RAG、网页工具、文档解析都要单独装对应的 extras不是核心包自带。适合与不适合适合做原型验证、协作流程编排、数据生成如果你只需要一次简单的模型调用直接用模型 SDK 即可CAMEL 的抽象层对你反而是多余。资源导航入门与安装文档docs/get_started/installation.md关键模块说明agents、societies、tools 等docs/key_modules/可运行示例库examples/核心源码camel/【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 CAMEL 多智能体框架上手指南：装好环境，跑通两个 AI 的第一次协作
CAMEL 多智能体框架上手指南装好环境跑通两个 AI 的第一次协作【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camel你想让 AI 不只是陪聊而是分工把活儿干完一个查资料、一个写代码最后汇总成一份结果。CAMEL全称 Communicative Agents for Mind Exploration of Large Language Model Society就是为这件事设计的开源多智能体框架——让多个大模型智能体各自扮演角色通过对话协作完成单个智能体做不好的任务。一句话定位CAMEL 是什么处于什么阶段CAMEL 是目前最老牌的多智能体框架之一出自 NeurIPS 2023 论文当前版本仍在 0.2.x 预发布阶段pyproject.toml中标注0.2.91a5迭代很快。它值得留意的三点角色扮演是主线机制智能体之间靠用户/助手两种角色对话推进任务而不是靠硬编码流程模块拆得很细camel/下按 agents、models、toolkits、societies 等目录分层用得到什么装什么自带可运行的示例库examples/ 目录里按场景分好了几十组脚本照着改就能跑机制拆解把任务交给一个两人班组 CAMEL 最基础的合作单元可以类比一个两人班组。你给它一句任务比如开发一个股票交易机器人框架会做三件事派单一个叫任务指定的内部智能体先把模糊的任务提示词扩写成明确的执行目标再为两个角色比如 Python 程序员 和 股票交易员各生成一份系统提示词写清楚各自的立场和职责执行两个智能体开始轮流出招——用户角色提需求、验收助手角色干活、交付一轮一轮对话每一轮都会检查任务是否完成汇总当任一方判断任务结束比如输出CAMEL_TASK_DONE标记对话停止过程里产出的内容就是最终结果图两个智能体扮演不同角色围绕任务提示词交替发言直至任务完成如果任务更复杂CAMEL 还提供 Workforce劳动力机制一个协调者智能体接收总任务拆成子任务派给多个工人智能体等全部干完再自动合并结果类似派单—并行执行—汇总的流水线。图Workforce 模式下任务从接收、分解到多智能体执行的整体结构三步装好环境环境要求很克制Python 3.10 到 3.14 之间requires-python 3.10,3.15其余靠 pip 解决。# 1. 安装核心包只需联网无需本地模型 pip install camel-ai # 2. 配置模型密钥以 OpenAI 为例其他模型见 camel/configs/ export OPENAI_API_KEY你的密钥如果后续要用搜索、RAG 等工具再按功能加扩展包即可例如pip install camel-ai[web_tools]。完整说明见 docs/get_started/installation.md。完整示例走一遍两个 AI 协作开发交易机器人 仓库里最经典的入门脚本是 examples/ai_society/role_playing.py它的完整逻辑只有四步输入一行任务提示词Develop a trading bot for the stock market加上两个角色名Python Programmer和Stock Trader。脚本用RolePlaying类初始化会话时with_task_specifyTrue会触发前面说的派单环节先打印出系统提示词和扩写后的任务说明。执行调用role_play_session.init_chat()拿到开场消息然后进入循环——每次step()让两个智能体各发言一轮。脚本设置了 50 轮上限chat_turn_limit50防止对话失控。输出对话以用户角色说出CAMEL_TASK_DONE或某一方主动终止而结束终端会打印终止原因。整个过程你看到的就是两个 AI 的完整对话记录程序员提出方案、交易员追问细节、修改、再验收。想本地跑通把示例里的modelNone换成本地创建好的模型对象即可模型创建方式参考 examples/agents/create_chat_agent.py。它能做的 2~3 件事多任务流水线协作examples/workforce/pipeline_workflow_example.py 演示了 fork-join 模式——一个文献检索任务拆成 5 个并行摘要子任务干完后自动合成一篇综述。想把先调研、再分析、后成文这类工作自动化可以从这个脚本起步改角色和提示词。聊天平台机器人examples/bots/ 下有 Discord 和 Telegram 机器人的完整示例把智能体接到聊天软件里当客服或助手配合 camel/bots/ 的封装类使用。合成数据生成examples/datagen/ 提供了 Self-Instruct、Evol-Instruct 等数据生成脚本对应 camel/datagen/ 模块可以用它批量造指令数据服务于模型训练或评测。要注意什么 ⚠️版本还在快速演进0.2.x 预发布版本里 API 可能有变动升级前建议看一眼 test/ 下的测试或用 git tag 固定版本别默认接口长期不变。Python 版本卡得死只支持 3.10~3.14用 3.8、3.9 或 3.15 的环境会直接装不上先用python3 --version确认。对话示例是真金白银角色对话示例默认要跑几十轮模型调用且每轮都有 token 开销调试时把chat_turn_limit调小或者按文档切换到本地模型。另外多数高级功能RAG、网页工具、文档解析都要单独装对应的 extras不是核心包自带。适合与不适合适合做原型验证、协作流程编排、数据生成如果你只需要一次简单的模型调用直接用模型 SDK 即可CAMEL 的抽象层对你反而是多余。资源导航入门与安装文档docs/get_started/installation.md关键模块说明agents、societies、tools 等docs/key_modules/可运行示例库examples/核心源码camel/【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考