CAMEL多智能体框架3步跑通两个智能体的角色扮演协作【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/camelCAMEL 是一个开源的多智能体multi-agent框架围绕智能体规模化规律研究构建。它解决单个大模型难以独立完成复杂任务的问题让你通过角色扮演对话、任务分解与工具调用搭建能自主完成写代码、生成数据、客服应答等任务的智能体社会。环境准备与安装环境要求Python 3.10 ~ 3.14从 PyPI 安装按需加装 extraspip install camel-ai camel-ai[web_tools] export OPENAI_API_KEYyour_api_key git clone https://gitcode.com/GitHub_Trending/ca/camel装好后可用下面 7 行代码创建你的第一个智能体并发出消息from camel.models import ModelFactory from camel.types import ModelPlatformType, ModelType from camel.agents import ChatAgent model ModelFactory.create(model_platformModelPlatformType.OPENAI, model_typeModelType.GPT_4O) agent ChatAgent(modelmodel) print(agent.step(What is CAMEL-AI?).msgs[0].content)想直接看两个智能体协作进入克隆的仓库执行python examples/ai_society/role_playing.py你会看到Python 程序员和股票交易员两个角色围绕开发股票交易机器人这一任务自动推进、分工完成。工作原理从任务到答案以上述示例为例整个流程是输入 → 处理 → 输出输入把任务提示如 Develop a trading bot for the stock market与两个角色名传给 camel/societies/role_playing.py 中的RolePlaying类。处理CAMEL 先用with_task_specifyTrue让任务细化智能体把一句话提示扩展成更具体的任务再为两个智能体各自生成系统提示词与初始消息随后进入init_chat()step()循环助手与用户智能体轮流发言每步由 camel/terminators/ 中的终止器判断是否结束terminated标志。输出当用户智能体判断任务完成并输出CAMEL_TASK_DONE标记时循环停止得到最终交付内容。图CAMEL 角色扮演框架流程——任务提示词、角色定义、双智能体交替对话与终止控制能力拆解3个核心组件RolePlaying 角色扮演社会核心多智能体协作单元根据角色名生成双方系统提示词支持with_task_specify自动细化任务完整实现见 camel/societies/role_playing.py。Workforce 任务分解与编排管理节点 工作节点的层级结构管理器智能体负责任务分析与分配工作智能体以流水线或并行方式执行子任务核心在 camel/societies/workforce/可运行演示见 examples/workforce/multiple_single_agents.py。模型工厂与工具集camel/models/model_factory.py 统一接入 OpenAI、Anthropic、Gemini 等 40 余个平台camel/toolkits/ 提供 90 多个现成工具包搜索、代码执行、文件读写等通过ChatAgent的tools参数即可挂载。典型场景客服聊天机器人把智能体接入 Discord/Slack 并挂载 RAG 检索能力示例见 examples/bots/discord_bot.py 与 camel/bots/。多智能体任务协作把一个复杂需求交给 Workforce由多个单一智能体分工执行见 examples/workforce/。合成数据生成用 Self-Instruct、CoT 等方法批量产出训练数据见 examples/datagen/ 与 camel/datagen/。⚠️ 避坑提示API 密钥未设置默认模型为 openai 平台的gpt-4o-mini未配置OPENAI_API_KEY时调用会直接失败也可用DEFAULT_MODEL_PLATFORM_TYPE/DEFAULT_MODEL_TYPE环境变量切换或写入.env文件详见 docs/get_started/installation.md。Python 版本仅限 3.10 ~ 3.14unstructured、pyobvector等依赖在 3.13 不可用用到文档解析功能建议 3.10 ~ 3.12。可选依赖缺失搜索、浏览器等工具报导入错误时需要安装对应 extras例如pip install camel-ai[web_tools]。适合谁、下一步如果你是 LLM 应用新手可从 docs/get_started/ 的安装指南起步再对照 examples/ 找贴近自己需求的可运行示例如果你想研究多智能体协作机制本身直接读 camel/ 核心源码与 docs/ 文档基于ChatAgent、RolePlaying、Workforce三个组件继续搭建自己的智能体社会。【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3步跑通两个智能体的角色扮演协作【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/camelCAMEL 是一个开源的多智能体multi-agent框架围绕智能体规模化规律研究构建。它解决单个大模型难以独立完成复杂任务的问题让你通过角色扮演对话、任务分解与工具调用搭建能自主完成写代码、生成数据、客服应答等任务的智能体社会。环境准备与安装环境要求Python 3.10 ~ 3.14从 PyPI 安装按需加装 extraspip install camel-ai camel-ai[web_tools] export OPENAI_API_KEYyour_api_key git clone https://gitcode.com/GitHub_Trending/ca/camel装好后可用下面 7 行代码创建你的第一个智能体并发出消息from camel.models import ModelFactory from camel.types import ModelPlatformType, ModelType from camel.agents import ChatAgent model ModelFactory.create(model_platformModelPlatformType.OPENAI, model_typeModelType.GPT_4O) agent ChatAgent(modelmodel) print(agent.step(What is CAMEL-AI?).msgs[0].content)想直接看两个智能体协作进入克隆的仓库执行python examples/ai_society/role_playing.py你会看到Python 程序员和股票交易员两个角色围绕开发股票交易机器人这一任务自动推进、分工完成。工作原理从任务到答案以上述示例为例整个流程是输入 → 处理 → 输出输入把任务提示如 Develop a trading bot for the stock market与两个角色名传给 camel/societies/role_playing.py 中的RolePlaying类。处理CAMEL 先用with_task_specifyTrue让任务细化智能体把一句话提示扩展成更具体的任务再为两个智能体各自生成系统提示词与初始消息随后进入init_chat()step()循环助手与用户智能体轮流发言每步由 camel/terminators/ 中的终止器判断是否结束terminated标志。输出当用户智能体判断任务完成并输出CAMEL_TASK_DONE标记时循环停止得到最终交付内容。图CAMEL 角色扮演框架流程——任务提示词、角色定义、双智能体交替对话与终止控制能力拆解3个核心组件RolePlaying 角色扮演社会核心多智能体协作单元根据角色名生成双方系统提示词支持with_task_specify自动细化任务完整实现见 camel/societies/role_playing.py。Workforce 任务分解与编排管理节点 工作节点的层级结构管理器智能体负责任务分析与分配工作智能体以流水线或并行方式执行子任务核心在 camel/societies/workforce/可运行演示见 examples/workforce/multiple_single_agents.py。模型工厂与工具集camel/models/model_factory.py 统一接入 OpenAI、Anthropic、Gemini 等 40 余个平台camel/toolkits/ 提供 90 多个现成工具包搜索、代码执行、文件读写等通过ChatAgent的tools参数即可挂载。典型场景客服聊天机器人把智能体接入 Discord/Slack 并挂载 RAG 检索能力示例见 examples/bots/discord_bot.py 与 camel/bots/。多智能体任务协作把一个复杂需求交给 Workforce由多个单一智能体分工执行见 examples/workforce/。合成数据生成用 Self-Instruct、CoT 等方法批量产出训练数据见 examples/datagen/ 与 camel/datagen/。⚠️ 避坑提示API 密钥未设置默认模型为 openai 平台的gpt-4o-mini未配置OPENAI_API_KEY时调用会直接失败也可用DEFAULT_MODEL_PLATFORM_TYPE/DEFAULT_MODEL_TYPE环境变量切换或写入.env文件详见 docs/get_started/installation.md。Python 版本仅限 3.10 ~ 3.14unstructured、pyobvector等依赖在 3.13 不可用用到文档解析功能建议 3.10 ~ 3.12。可选依赖缺失搜索、浏览器等工具报导入错误时需要安装对应 extras例如pip install camel-ai[web_tools]。适合谁、下一步如果你是 LLM 应用新手可从 docs/get_started/ 的安装指南起步再对照 examples/ 找贴近自己需求的可运行示例如果你想研究多智能体协作机制本身直接读 camel/ 核心源码与 docs/ 文档基于ChatAgent、RolePlaying、Workforce三个组件继续搭建自己的智能体社会。【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
