简介
CAMEL（Communicative Agents for Mind Exploration of Large Scale Language Model Society）是一个开源框架，大语言模型多智能体框架的先驱者。旨在通过角色扮演和自主协作，探索大语言模型（LLM）在多智能体社会环境中的交互能力。其核心思想是让多个AI智能体在特定角色和任务驱动下进行自然语言交互，模拟人类社会的协作与知识共享。我们相信，大规模地研究这些代理人可以为他们的行为、能力和潜在风险提供有价值的见解。为了促进这一领域的研究，我们实现并支持各种类型的代理、任务、提示、模型和模拟环境。
开源地址：
https://github.com/camel-ai
CAMEL框架设计原则
- 可进化性
该框架通过生成数据并与环境交互，使多智能体系统能够持续进化。进化过程可由带可验证奖励的强化学习或监督学习驱动。
- 可扩展性
该框架支持百万级智能体规模的系统，确保大规模协同、通信与资源管理的高效运行。
- 状态保持
智能体具备状态记忆能力，可执行多步骤环境交互，高效处理复杂任务。
- 代码即提示
每行代码与注释均作为智能体的提示信息。代码需清晰可读，确保人类与智能体皆能准确理解。
（注："agent"译为"智能体"；"stateful memory"译为"状态记忆"）
选择CAMEL开展研究的核心优势：
✅ 超大规模智能体系统
模拟百万级智能体，研究复杂多智能体环境中的涌现行为与规模定律。
✅ 动态实时通信
支持智能体间即时交互，实现复杂任务的无缝协同攻关。
✅ 状态记忆能力
赋予智能体历史上下文留存与调用能力，提升长周期交互中的决策质量。
✅ 多基准测试支持
采用标准化基准严格评估智能体表现，确保结果可复现与可比性。
✅ 多类型智能体兼容
支持不同角色、任务、模型及环境的智能体，满足跨学科实验与多样化研究需求。
✅ 数据生成与工具集成
自动化生成大规模结构化数据集，无缝兼容多种工具，优化合成数据生成与研究流程。
使用CAMEL可以构建什么？
-
数据生成
思维链（CoT）数据生成
自指令（Self-Instruct）数据生成
源到合成（Source2Synth）数据生成
自优化数据生成 -
任务自动化
角色扮演
劳动力自动化
检索增强生成（RAG）流程 -
世界模拟
绿洲案例（Oasis Case）
快速入门
安装CAMEL：
pip install camel-ai
从ChatAgent开始
以下示例展示如何通过CAMEL框架创建ChatAgent，并使用DuckDuckGo执行搜索查询。
1. 安装工具包：
pip install 'camel-ai[web_tools]'
2.配置OpenAI API密钥：
export OPENAI_API_KEY='您的_openai_api密钥'
3. 运行以下Python代码：
from camel.models import ModelFactory
from camel.types import ModelPlatformType, ModelType
from camel.agents import ChatAgent
from camel.toolkits import SearchToolkitmodel = ModelFactory.create(model_platform=ModelPlatformType.OPENAI,model_type=ModelType.GPT_4O,model_config_dict={"temperature": 0.0},
)search_tool = SearchToolkit().search_duckduckgoagent = ChatAgent(model=model, tools=[search_tool])response_1 = agent.step("What is CAMEL-AI?")
print(response_1.msgs[0].content)
# CAMEL-AI is the first LLM (Large Language Model) multi-agent framework
# and an open-source community focused on finding the scaling laws of agents.
# ...response_2 = agent.step("What is the Github link to CAMEL framework?")
print(response_2.msgs[0].content)
# The GitHub link to the CAMEL framework is
# [https://github.com/camel-ai/camel](https://github.com/camel-ai/camel).如需更详细的说明和额外配置选项，请参阅安装指南部分。
运行成功后，您可以访问 docs.camel-ai.org 探索 CAMEL 技术栈 和 实用手册，构建强大的多智能体系统。
我们提供了 Google Colab 演示示例，展示两个 ChatGPT 智能体分别扮演 Python 程序员和股票交易员，协作开发股票市场交易机器人的对话过程。
您还可以深入了解不同类型的智能体、其角色及应用场景：
-
创建您的第一个智能体
-
创建您的第一个智能体社群
-
具身智能体（Embodied Agents）
-
评审智能体（Critic Agents）
# 核心模块
用于构建、运营和增强 CAMEL-AI 代理和社会的核心组件和实用工具。
| 模块 | 描述 |
| 代理 (Agents) | 用于自主运行的核心代理架构和行为 |
| 代理社会 (Agent Societies) | 用于构建和管理多代理系统和协作的组件 |
| 数据生成 (Data Generation) | 用于合成数据创建和增强的工具和方法 |
| 模型 (Models) | 代理智能的模型架构和定制选项 |
| 工具 (Tools) | 用于专门代理任务的工具集成 |
| 记忆 (Memory) | 用于代理状态管理的记忆存储和检索机制 |
| 存储 (Storage) | 用于代理数据和状态的持久化存储解决方案 |
| 基准测试 (Benchmarks) | 性能评估和测试框架 |
| 解释器 (Interpreters) | 代码和命令解释能力 |
| 数据加载器 (Data Loaders) | 数据摄取和预处理工具 |
| 检索器 (Retrievers) | 知识检索和 RAG 组件 |
| 运行时 (Runtime) | 执行环境和进程管理 |
| 人在回路 (Human-in-the-Loop) | 用于人工监督和干预的交互式组件 |
需要下载的文件，数据集之类的，见下网址：
https://huggingface.co/camel-ai
)
