多智能体学习CAMEL-调用api
可选模型范围
在ModelScope中的模型库中选择推理 API-Inference ，里面的模型都可以选择，我们可以体验到最新的使用DeepSeek-R1数据蒸馏出的Llama-70B模型。
1.2.2 使用API调用模型
这里我们使用CAMEL中的ChatAgent模块来简单调用一下模型，关于ChatAgent的进一步描述可以参考后续内容，这里我们简单把它理解为一个基础的模型调用模块即可。
使用语言模型
from camel.agents import ChatAgent
from camel.models import ModelFactory
from camel.types import ModelPlatformTypemodel = ModelFactory.create(model_platform=ModelPlatformType.OPENAI_COMPATIBLE_MODEL,model_type="Qwen/Qwen2.5-72B-Instruct",url='https://api-inference.modelscope.cn/v1/',api_key='你的api_key'
)agent = ChatAgent(model=model,output_language='中文'
)response = agent.step("你好，你是谁？")
print(response.msgs[0].content)>>>
你好，我是来自阿里云的大规模语言模型，我叫通义千问。
使用多模态模型
from camel.agents import ChatAgent
from camel.models import ModelFactory
from camel.types import ModelPlatformType
from camel.messages import BaseMessagefrom io import BytesIO
import requests
from PIL import Imagemodel = ModelFactory.create(model_platform=ModelPlatformType.OPENAI_COMPATIBLE_MODEL,model_type="Qwen/QVQ-72B-Preview",url='https://api-inference.modelscope.cn/v1/',api_key='API'
)agent = ChatAgent(model=model,output_language='中文'
)# 图片URL
url = "https://img0.baidu.com/it/u=2205376118,3235587920&fm=253&fmt=auto&app=120&f=JPEG?w=846&h=800"
response = requests.get(url)
img = Image.open(BytesIO(response.content))user_msg = BaseMessage.make_user_message(role_name="User", content="请描述这张图片的内容", image_list=[img] # 将图片放入列表中
)response = agent.step(user_msg)
print(response.msgs[0].content)>>>
这是一张金毛寻回犬的特写照片。这只狗有着浓密的金色毛发，耳朵垂在头部两侧，眼睛明亮而有神，鼻子黑色且湿润。它的嘴巴微微张开，露出了粉红色的舌头，看起来非常友好和快乐。背景是一片模糊的绿色，可能是在户外的自然环境中拍摄的。整体画面非常温暖和愉悦，突出了金毛寻回犬的亲和力和活力。
视频理解
vedio_test.mp4
from camel.agents import ChatAgent
from camel.models import ModelFactory
from camel.types import ModelPlatformType
from camel.messages import BaseMessagefrom dotenv import load_dotenv
import osload_dotenv()api_key = os.getenv('QWEN_API_KEY')model = ModelFactory.create(model_platform=ModelPlatformType.OPENAI_COMPATIBLE_MODEL,model_type="Qwen/QVQ-72B-Preview",url='https://api-inference.modelscope.cn/v1/',api_key=api_key
)# 创建代理
agent = ChatAgent(model=model,output_language='中文'
)# 读取本地视频文件
video_path = "vedio_test.mp4"
with open(video_path, "rb") as video_file:video_bytes = video_file.read()# 创建包含视频的用户消息
user_msg = BaseMessage.make_user_message(role_name="User", content="请描述这段视频的内容", video_bytes=video_bytes # 将视频字节作为参数传入
)# 获取模型响应
response = agent.step(user_msg)
print(response.msgs[0].content)>>>
这是一幅令人惊叹的超现实主义景观画，画面中有一只狗在一条被雪覆盖的道路上奔跑。整个场景被一种奇幻而美丽的氛围所包围，让人感受到一种超凡脱俗的美。首先，画面的背景是一片壮丽的天空，天空中布满了浓密的云层，这些云层呈现出丰富的纹理和层次感。云层的颜色以粉色和紫色为主调，其间还夹杂着一些金色和蓝色的光影，形成了一个绚丽多彩的天幕。在云层之间，有一道明亮的光线穿过，这道光线像是从天际线的尽头射来，照亮了整个场景，给人一种希望和温暖的感觉。地面上是一条被雪覆盖的道路，道路两旁是连绵起伏的雪山和丘陵。雪地上的足迹和轮胎印清晰可见，表明这里虽然人迹罕至，但仍有生命活动的痕迹。一只白色的狗正在这条道路上奔跑，它的姿态轻盈而欢快，仿佛在享受着这美好的一刻。整个画面的色彩非常丰富，粉色、紫色、金色、蓝色相互交织，营造出一种梦幻般的氛围。这种色彩的运用让画面充满了活力和生命力，令人不禁沉醉其中。总的来说，这幅画通过超现实主义的手法，创造了一个美轮美奂的幻想世界，让观者在现实与幻想之间徘徊，感受到艺术带来的无限魅力。
如果你不想以明文的方式设置你的的API，我们可以使用dotenv 来管理 API 密钥，首先确保我们安装了python-dotenv 库。如果还没有安装，可以通过以下命令安装：
使用poetry
poetry add python-dotenv
使用 PyPI
pip install python-dotenv
之后在外面的项目根目录创建一个名为 .env 的文件，并在其中添加你的 API 密钥：
QWEN_API_KEY=你的api密钥
然后调用模型
from camel.agents import ChatAgent
from camel.models import ModelFactory
from camel.types import ModelPlatformTypefrom dotenv import load_dotenv
import osload_dotenv()api_key = os.getenv('QWEN_API_KEY')model = ModelFactory.create(model_platform=ModelPlatformType.OPENAI_COMPATIBLE_MODEL,model_type="Qwen/Qwen2.5-72B-Instruct",url='https://api-inference.modelscope.cn/v1/',api_key=api_key
)agent = ChatAgent(model=model,output_language='中文'
)response = agent.step("你好，你是谁？")
print(response.msgs[0].content)>>>
你好，我是来自阿里云的大规模语言模型，我叫通义千问。
相关文章：
多智能体学习CAMEL-调用api
可选模型范围 在ModelScope中的模型库中选择推理 API-Inference ，里面的模型都可以选择，我们可以体验到最新的使用DeepSeek-R1数据蒸馏出的Llama-70B模型。 1.2.2 使用API调用模型 这里我们使用CAMEL中的ChatAgent模块来简单调用一下模型，…...
奥威BI：AI+BI深度融合，重塑智能AI数据分析新标杆
在数字化浪潮席卷全球的今天，企业正面临着前所未有的数据挑战与机遇。如何高效、精准地挖掘数据价值，已成为推动业务增长、提升竞争力的核心议题。奥威BI，作为智能AI数据分析领域的领军者，凭借其创新的AIBI融合模式，正…...
SM2Utils NoSuchMethodError: org.bouncycastle.math.ec.ECFieldElement$Fp.＜init
1，报错图示 2，报错原因： NoSuchMethodError 表示运行时找不到某个方法，通常是编译时依赖的库版本与运行时使用的库版本不一致。 错误中的 ECFieldElement$Fp. 构造函数参数为 (BigInteger, BigInteger)，说明代码期望使…...
Spring Boot 中 MongoDB @DBRef注解适用什么场景？
在 Spring Boot 中使用 MongoDB 时，DBRef 注解提供了一种在不同集合（collections）的文档之间建立引用关系（类似于关系型数据库中的外键）的方式。它允许你将一个文档的引用存储在另一个文档中，并在查询时自动…...
PDF生成模块开发经验分享
在日常的项目开发中，PDF文档的生成是一个常见的需求。无论是用于申报单、审批结果通知书还是其他业务相关的文档输出，一个高效且灵活的PDF生成功能都是不可或缺的。本文将基于我使用Java（Spring Boot）和iText库开发PDF生成模块的经…...
Music AI Sandbox：打开你的创作新世界
AI 和音乐人的碰撞 其实，Google 早在 2016 年就启动了一个叫 Magenta 的项目，目标是探索 AI 在音乐和艺术创作上的可能性。一路走来，他们和各种音乐人合作，终于在 2023 年整出了这个 Music AI Sandbox，并且通过 YouTub…...
RISC-V入门资料
以下是获取 RISC-V 相关资料的权威渠道和推荐资源，涵盖技术文档、开发工具、社区支持等： 1. 官方资料 RISC-V 国际基金会官网 https://riscv.org 核心文档：ISA 规范（包括基础指令集（RV32I/RV64I）、扩展指令…...
私服与外挂：刑事法律风险的深度剖析
首席数据官高鹏律师团队编著 在当今数字化时代，网络游戏产业蓬勃发展，然而与之相伴的私服与外挂现象却屡禁不止，且其背后隐藏着严重的刑事法律风险。作为一名律师，有必要在此对私服与外挂相关的刑事问题进行深入解读，以…...
sherpa-ncnn：Endpointing（断句规则）
更多内容：XiaoJ的知识星球 目录 1. Endpointing (端点)1.1 规则11.2 规则21.3 规则3 1. Endpointing (端点) 我们有三条端点检测规则。如果激活了其中任何一个，我们假设检测到终端节点。 . 1.1 规则1 规则 1 计算尾随静默的持续时间。如果大于用户指…...
谷云科技iPaaS技术实践：集成平台如何解决库存不准等问题
在当今竞争激烈的商业环境中，电商平台、仓库系统以及门店系统之间的数据不同步问题，如同一颗隐形的 “定时炸弹”，严重威胁着企业的生存与发展。尤其是在库存管理方面，订单系统显示商品已售出，但仓库却无货可发&#x…...
负载均衡算法解析（一）NGINX
文章目录 1. 核心数据结构：算法的基石1.1 负载均衡节点结构：定义服务器实体1.2 关键概念阐述：权重 (Weight) 2. NGINX加权轮询算法旨在解决的具体问题深度分析2.1 应对后端服务器间的负载不均衡问题2.2 后端服务健康状态的动态感知与自适应调…...
——3.3使用广播信道的数据链路层)
计算机网络笔记(十六)——3.3使用广播信道的数据链路层
3.3.1局域网的数据链路层 一、核心逻辑架构（拓扑结构演变） 二、MAC层核心机制 MAC地址结构 以太网帧格式 CSMA/CD工作机制流程 三、关键功能对比表 功能集线器(Hub)交换机(Switch)网桥(Bridge)工作层级物理层数据链路层数据链路层冲突域处理全广播&…...
STM32-模电
目录 一、MOS管 二、二极管 三、IGBT 四、运算放大器 五、推挽、开漏、上拉电阻 一、MOS管 1. MOS简介 这里以nmos管为例，注意箭头方向。G门极/栅极，D漏极，S源极。 当给G通高电平时，灯泡点亮，给G通低电平时&a…...
单片机 + 图像处理芯片 + TFT彩屏 指示灯控件
指示灯控件使用说明 简介 这是一个基于单片机 RA8889/RA6809图形处理芯片的指示灯的控件库，用于在TFT显示屏上显示各种状态的指示灯。该控件支持多种状态显示，包括正常、警告、错误和停止等状态，并支持自定义标签显示。 功能特点 支持多…...
73页最佳实践PPT《DeepSeek自学手册-从理论模型训练到实践模型应用》
这份文档是一份关于 DeepSeek 自学手册的详细指南，涵盖了 DeepSeek V3 和 R1 模型的架构、训练方法、性能表现以及使用技巧等内容。它介绍了 DeepSeek V3 作为强大的 MoE 语言模型在数学、代码等任务上的出色表现以及其训练过程中的创新架构如多头潜在注意力和多 To…...
)
Python自动化-python基础(上)
一.魔法方法 在 Python 中，魔法方法（Magic Methods）是一类特殊的方法，以双下划线 __ 开头和结尾 ，它们在特定的场景下会被 Python 解释器自动调用，用于实现一些内置的操作行为。 1. 初始化与构造相关 __…...
mysql数据库体验
目录 数据库简介 使用数据库 数据库的基本概念 数据 数据库和数据库表 数据库管理系统和数据库系统 数据库系统发展史 经典数据库 网状模型 层次模型 关系模型 当今主流数据库介绍 关系数据库 非关系型库的基本概念 关系数据库的基本结构 主键与外键 主键 外…...
Python开发系统
以下是一个基于Python和OpenCV的简单图像检测系统开发示例，包含目标检测、颜色检测和边缘检测功能： 一、环境搭建 1. 安装依赖 pip install opencv-python numpy matplotlib 2. 准备测试图片 下载示例图片或使用本地图片（如 test.jpg &…...
架空输电线巡检机器人轨迹优化设计
架空输电线巡检机器人轨迹优化 摘要 本论文针对架空输电线巡检机器人的轨迹优化问题展开研究，综合考虑输电线复杂环境、机器人运动特性及巡检任务需求，结合路径规划算法、智能优化算法与机器人动力学约束，构建了多目标轨迹优化模型。通过改进遗传算法与模拟退火算法，有效…...
针对共享内存和上述windows消息机制 在C++ 和qt之间的案例 进行详细举例说明
针对共享内存和上述windows消息机制 在C++ 和qt之间的案例 进行详细举例说明 以下是关于在 C++ 和 Qt 中使用共享内存（QSharedMemory）和 Windows 消息机制（SendMessage / PostMessage）进行跨线程或跨进程通信的详细示例。 🧩 使用 QSharedMemory 进行进程间通信（Qt 示例…...
cursor平替，试试 vscode+cline+openrouter 的方案，还能自定义 mcp-server 教程大纲
一、引言 cursor 工具使用成本高的现状 编程agent好用，解放劳动力，但费用贵 vscodeclineopenrouter Cline 是一款可集成在 IDE 中的 AI 编程助手，支持 OpenAI 和 Ollama 等多种模型，能在 IDE 里自主完成复杂编程任务，…...
Qt实现车载多媒体项目，包含天气、音乐、视频、地图、五子棋功能模块，免费下载源文件！
本文主要介绍项目，项目的结构，项目如何配置，项目如何打包。这篇文章如果对你有帮助请点赞和收藏，谢谢！源代码仅供学习使用，如果转载文章请标明出处！（免费下载源代码）&…...
C++ set替换vector进行优化
文章目录 demo代码解释： 底层原理1. 二叉搜索树基础2. 红黑树的特性3. std::set 基于红黑树的实现优势4. 插入操作5. 删除操作6. 查找操作 demo #include <iostream> #include <set>int main() {// 创建一个存储整数的std::setstd::set<int> myS…...
Android学习总结之算法篇八（二叉树和数组）
路径总和 import java.util.ArrayList; import java.util.List;// 定义二叉树节点类 class TreeNode {int val;TreeNode left;TreeNode right;// 构造函数，用于初始化节点值TreeNode(int x) {val x;} }public class PathSumProblems {// 路径总和 I：判…...
正点原子IMX6U开发板移植Qt时出现乱码
移植Qt时出现乱码 1、前言2、问题3、总结 1、前言 记录一下正点原子IMX6U开发板移植Qt时出现乱码的解决方法，方便自己日后回顾，也可以给有需要的人提供帮助。 2、问题 用正点原子IMX6U开发板移植Qt时移植Qt后，sd卡里已经存储了Qt的各种库&…...
算法解密：轮转数组问题全解析
算法解密：轮转数组问题全解析 一、引言 在算法的世界里，数组的操作问题常常考验着我们对数据结构和算法技巧的掌握程度。“轮转数组”问题就是其中一个经典且有趣的题目。它看似简单，却蕴含着多种巧妙的解法。通过深入研究这个问题，我们能更好地理解数组的特性，提升算法思…...
正则化和L1/L2范式
1. 背景与引入 历史与位置 正则化（Regularization）是机器学习中控制模型复杂度、提升泛化能力的核心手段之一。 L2范式（Ridge正则化）最早可追溯至20世纪70年代的Tikhonov正则化，用于解决病态线性方程组问题…...
day05_java中常见的运算符
对字面量或者变量进行操作的符号就是运算符。用运算符把常量或者变量连接起来符合java语法的式子就可以称为表达式。 java中常用的运算符有下面几种 算术运算符 代码示例 public class Demo01Operator {public static void main(String[] args) {int a 3;int b 4;System.o…...
Linux_进程退出与进程等待
一、进程退出 退出场景 正常终止：代码执行完毕且结果符合预期（退出码为 0）。异常终止：运行结果错误（退出码非 0）或进程被信号强制终止。（如 SIGINT 或 SIGSEGV）。 退…...
SSM框架（Spring + Spring MVC + MyBatis）整合配置的详细步骤
以下是 SSM框架（Spring Spring MVC MyBatis）整合配置的详细步骤，适用于 Maven 项目。 （一）、pom.xml中添加相关依赖 <?xml version"1.0" encoding"UTF-8"?> <project xmlns"ht…...
B. Zero Array（思维）
Problem - 1201B - Codeforces 思路：每次给任意两个不同下表的数减-1，相当于在这个数组总和S上减2，S为奇数则不可能变为0，S为偶数时，一定存在两个序列组成两个S/2，这样每次都是在两个S/2上各减1，…...
FPGA_Verilog实现QSPI驱动，完成FLASH程序固化
FPGA_Verilog实现QSPI驱动，完成FLASH程序固化 操作提要 使用此操作模式实现远程升级的原因是当前的FLASH的管脚直接与FPGA相连接，SPI总线并未直接与CPU相连接，那么则需要CPU下发升级指令与将要升级的文件给FPGA，然后在FPGA内部产…...
前端取经路——框架修行：React与Vue的双修之路
大家好，我是老十三，一名前端开发工程师。在前端的江湖中，React与Vue如同两大武林门派，各有千秋。今天，我将带你进入这两大框架的奥秘世界，共同探索组件生命周期、状态管理、性能优化等核心难题的解决之道。无论你是哪派弟子，掌握双修之术，才能在前端之路上游刃有余。准…...
【DBMS学习系列】一、DBMS（数据库管理系统）的存储模型
一、前置知识 1.1 什么是OLAP 和 OLTP？ On-Line Analytical Processing，简称OLAP（联机分析处理），是一种用于处理大规模数据的技术，它提供了一种灵活的分析和查询方式，能够帮助用户从不同维度来分析和理解业务数据。 On-Line Transaction Processing，简称OLTP（联机事…...
Matlab 镍氢电池模型
1、内容简介 Matlab216-镍氢电池模型 可以交流、咨询、答疑 2、内容说明 略 3、仿真分析 略 4、参考论文 略...
39、.NET GC是什么? 为什么需要GC?
.NET GC是什么？ .NET GC（Garbage Collector，垃圾回收器）是.NET运行时（CLR）的核心组件，负责自动管理托管堆（Managed Heap）中的内存分配与释放。其核心工作机制包括&#…...
前端缓存踩坑指南：如何优雅地解决浏览器缓存问题？
浏览器缓存，配置得当，它能让页面飞起来；配置错了，一次小小的上线，就能把你扔进线上 bug 的坑里。你可能遇到过这些情况： 部署上线了，结果用户还在加载旧的 JS；接口数据改了…...
XML语言
XML语言 在开始介绍Mybatis之前，先介绍一下XML语言，XML语言发明最初是用于数据的存储和传输，它是由一个一个的标签嵌套而成 <?xml version"1.0" encoding"UTF-8" ?> <outer> <name>阿伟</name&…...
垃圾回收的三色标记算法
目录 1、介绍 1.1、发展 1.2、基本原理 2、执行过程 2.1、初始标记 (Initial Marking) 2.2、并发标记 (Concurrent Marking) 2.3、重新标记 (Remark) 2.4、垃圾清理阶段 3、并发标记 3.1、浮动垃圾 3.2、漏标 前言 三色标记（Tri-color Marking࿰…...
紫禁城多语言海外投资理财返利源码带前端uniapp纯工程文件
测试环境：Linux系统CentOS7.6、宝塔、PHP7.2、MySQL5.6，根目录public，伪静态thinkphp，开启ssl证书 语言：中文简体、英文、越南语、马来语、日语、巴西语、印尼语、泰语 前端是uniapp的源码，我已经把nmp给你…...
深入剖析 I/O 复用之 select 机制
深入剖析 I/O 复用之 select 机制 在网络编程中，I/O 复用是一项关键技术，它允许程序同时监控多个文件描述符的状态变化，从而高效地处理多个 I/O 操作。select 作为 I/O 复用的经典实现方式，在众多网络应用中扮演着重要角色。本文…...
Android开发报错解决
Android开发报错解决 组件相关文件相关权限相关代码相关程序报错IDE相关版本对应框架okhttp请求失败 Roomno such table cocos2d 组件相关 使用gravity属性让文字居中是，需把该属性放在text属性上面ScrollView只能容纳一个子视图 文件相关 放在drawble下的图片资源…...
Linux 网络命名空间：从内核资源管理到容器网络隔离
1. 网络命名空间是什么？ 网络命名空间（Network Namespace） 是 Linux 内核提供的一种网络资源隔离机制，用于为进程或容器创建完全独立的网络环境。它并非物理或虚拟的网络接口（如网卡、veth pair 等），而是一个虚拟容器，包含以下资源的独立实例： 网络接口（物理或虚拟）…...
VNC windows连接ubuntu桌面
✅ 步骤 1：安装 VNC 服务器 首先，我们需要在 Winux 系统上安装一个 VNC 服务器。这里我们使用 tigervnc 作为例子，它是一个常用的 VNC 服务器软件。 打开终端并更新你的软件包： sudo apt update安装 tigervnc 服务器：…...
Elastic：如何构建由 AI 驱动的数字客户体验策略
作者：来自 Elastic Elastic Platform Team 客户通过多个数字渠道与企业和组织互动 —— 从网站和应用程序到聊天机器人和电子邮件。这些接触点构成了数字客户体验（DCX）。无缝的数字客户体验能显著提升客户满意度，进而带动更高的收…...
安防多协议接入/视频汇聚平台EasyCVR助力工地/工程/建筑施工领域搭建视频远程监控系统
一、摄像机安装方案 1）安装位置选择：摄像机安装需避开强振源与电磁干扰区，兼顾建筑外观，隐蔽安装。其防护罩应巧妙遮蔽视角，增强安防威慑。电梯轿厢内的摄像机，建议藏于吊顶。连接摄像机的视频、电源及…...
《100天精通Python——基础篇 2025 第16天：异常处理与调试机制详解》
目录 一、认识异常1.1 为什么要使用异常处理机制?1.2 语法错误1.3 异常错误1.4 如何解读错误信息 二、异常处理2.1 异常的捕获2.2 Python内置异常2.3 捕获多个异常2.4 raise语句与as子句2.5 使用traceback查看异常2.6 try…except…else语句2.7 try…except…finally语句--捕获…...
Ceph PG unfound/lost 问题排查与解决
Ceph PG unfound/lost 问题排查与解决 背景现象排查过程经验总结参考命令结语 背景 Ceph 集群出现 HEALTH_ERR，提示有 PG 对象丢失（unfound），并且 repair 无法自动修复。 现象 ceph health detail 显示： HEALTH_ERR …...
LeetCode热题100--54.螺旋矩阵--中等
1. 题目 给你一个 m 行 n 列的矩阵 matrix ，请按照 顺时针螺旋顺序 ，返回矩阵中的所有元素。 示例 1： 输入：matrix [[1,2,3],[4,5,6],[7,8,9]] 输出：[1,2,3,6,9,8,7,4,5] 示例 2： 输入：ma…...
【嵌入式开发-CAN】
嵌入式开发-CAN ■ CAN简介 ■ CAN简介...