当前位置：首页 > news >正文

CAMEL 学习笔记一

news 来源：原创 2025/8/21 12:44:26

课程讲义
https://github.com/camel-ai/owl

CAMEL (Communicative Agents for “Mind” Exploration of Large Language Models)是一个开源的多智能体框架，专注于构建基于大语言模型的智能体交互系统。该框架通过角色扮演和结构化对话机制，实现智能体之间的有效协作。在CAMEL框架中，ChatAgent 是最基础的智能体单元，负责处理对话逻辑和任务执行。而RolePlaying 和Workforce 则是多智能体系统，用于协调多个智能体的协作。

RolePlaying

一个典型的智能体包含三个核心部分：

感知模块：处理输入信息
决策模块：制定行动计划
执行模块：实施具体行动

结构化提示词引导角色行为 + 环境协调消息路由，使得 AI 智能体能够模拟人类团队的任务协作过程。

跑demo

from colorama import Forefrom camel.societies import RolePlaying
from camel.utils import print_text_animated
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='xxx'
)def main(model=model, chat_turn_limit=50) -> None:task_prompt = "我们是一家材料开发公司，很多工厂任务，你是一个排产专家，你会设计什么方案排产呢？保证各项任务紧密安全不冲突"#设置任务目标role_play_session = RolePlaying(assistant_role_name="排产专家",#设置AI助手角色名assistant_agent_kwargs=dict(model=model),user_role_name="操作员",#设置用户角色名，在roleplay中，user用于指导AI助手完成任务user_agent_kwargs=dict(model=model),task_prompt=task_prompt,with_task_specify=True,task_specify_agent_kwargs=dict(model=model),output_language='中文'#设置输出语言)print(Fore.GREEN+ f"AI 助手系统消息:\n{role_play_session.assistant_sys_msg}\n")print(Fore.BLUE + f"AI 用户系统消息:\n{role_play_session.user_sys_msg}\n")print(Fore.YELLOW + f"原始任务提示:\n{task_prompt}\n")print(Fore.CYAN+ "指定的任务提示:"+ f"\n{role_play_session.specified_task_prompt}\n")print(Fore.RED + f"最终任务提示:\n{role_play_session.task_prompt}\n")n = 0input_msg = role_play_session.init_chat()while n < chat_turn_limit:n += 1assistant_response, user_response = role_play_session.step(input_msg)if assistant_response.terminated:print(Fore.GREEN+ ("AI 助手已终止。原因: "f"{assistant_response.info['termination_reasons']}."))breakif user_response.terminated:print(Fore.GREEN+ ("AI 用户已终止。"f"原因: {user_response.info['termination_reasons']}."))breakprint_text_animated(Fore.BLUE + f"AI 用户:\n\n{user_response.msg.content}\n")print_text_animated(Fore.GREEN + "AI 助手:\n\n"f"{assistant_response.msg.content}\n")if "CAMEL_TASK_DONE" in user_response.msg.content:breakinput_msg = assistant_response.msgif __name__ == "__main__":main()

初步的使用体验还是挺流畅的，回答很有启发。下一步希望深入了解Agent 重要api：step， init_chat 这些的使用。 roleplaying 通过给定两个不同角色进行对话的方式来完成任务，设计还挺巧妙的。

问题

拆解任务是如何做到的？主要是通过 prompt 吗？
感觉相较于 langgraph而言，camel 主要多了一个角色扮演的功能。
试用了两个 tools 调用的案例，都失败了，还要进一步查看原因。不知道对tool 的调用封装逻辑是怎么样的，会对模型本身支持function call 与否有要求么？

RolePlaying

跑demo

问题

相关文章：