OA0 ›
代码 ›
CAMEL 面向多智能体协作与认知模拟的研究框架
CAMEL 面向多智能体协作与认知模拟的研究框架
horizon · 2025-12-21 11:47:19 · 184 次点击 · 0 条评论
[![文档][docs-image]][docs-url]
[![Discord][discord-image]][discord-url]
[![X][x-image]][x-url]
[![Reddit][reddit-image]][reddit-url]
[![微信][wechat-image]][wechat-url]
[![Hugging Face][huggingface-image]][huggingface-url]
[![Star][star-image]][star-url]
[![包许可证][package-license-image]][package-license-url]
[![PyPI 下载][package-download-image]][package-download-url]
[![][join-us-image]][join-us]
[English](README.md) |
[简体中文](README.zh.md) |
[日本語](README.ja.md)
[社区](https://github.com/camel-ai/camel#community) | [安装](https://github.com/camel-ai/camel#installation) | [示例](https://github.com/camel-ai/camel/tree/HEAD/examples) | [论文](https://arxiv.org/abs/2303.17760) | [引用](https://github.com/camel-ai/camel#citation) | [贡献](https://github.com/camel-ai/camel#contributing-to-camel-) | [CAMEL-AI](https://www.camel-ai.org/)
🐫 CAMEL 是一个致力于探索智能体规模定律的开源社区。我们相信，大规模研究智能体能够为理解其行为、能力和潜在风险提供宝贵的洞见。为了促进该领域的研究，我们实现并支持了多种类型的智能体、任务、提示、模型和模拟环境。
加入我们（通过 [*Discord*](https://discord.camel-ai.org/) 或 [*微信*](https://ghli.org/camel/wechat.png)），共同推动探索智能体规模定律的边界。 🌟 在 GitHub 上为 CAMEL 点星，即时获取新版本通知。
[![][image-join-us]][join-us]
目录
- [CAMEL 框架设计原则](#camel-框架设计原则) - [为何在研究中选用 CAMEL？](#为何在研究中选用-camel) - [使用 CAMEL 可以构建什么？](#使用-camel-可以构建什么) - [数据生成](#1-数据生成) - [任务自动化](#2-任务自动化) - [世界模拟](#3-世界模拟) - [快速开始](#快速开始) - [从 ChatAgent 开始](#从-chatagent-开始) - [寻求帮助](#寻求帮助) - [技术栈](#技术栈) - [研究](#研究) - [合成数据集](#合成数据集) - [使用手册（用例）](#使用手册用例) - [基础概念](#1-基础概念) - [高级功能](#2-高级功能) - [模型训练与数据生成](#3-模型训练--数据生成) - [多智能体系统与应用](#4-多智能体系统--应用) - [数据处理](#5-数据处理) - [真实世界用例](#真实世界用例) - [🧱 基于 CAMEL 构建（真实世界产品与研究）](#-基于-camel-构建真实世界产品与研究) - [研究项目](#研究项目) - [产品项目](#产品项目) - [🗓️ 活动](#️-活动) - [为 CAMEL 做贡献](#为-camel-做贡献) - [社区与联系](#社区与联系) - [引用](#引用) - [致谢](#致谢) - [许可证](#许可证) ####
CAMEL 框架设计原则
🧬 可进化性
该框架使多智能体系统能够通过生成数据并与环境交互而持续进化。这种进化可以由带有可验证奖励的强化学习或监督学习驱动。
📈 可扩展性
该框架旨在支持拥有数百万智能体的系统，确保大规模下的高效协调、通信和资源管理。
💾 状态保持
智能体保持有状态记忆，使其能够与环境进行多步交互，并高效处理复杂任务。
📖 代码即提示
每一行代码和注释都作为智能体的提示。代码应清晰易读，确保人类和智能体都能有效解读。
为何在研究中选用 CAMEL？
我们是一个由 100 多名研究人员组成的社区驱动研究团体，致力于推进多智能体系统的前沿研究。全球的研究人员基于以下原因选择 CAMEL 进行研究。
| ✅ | 大规模智能体系统 | 模拟多达 100 万个智能体，以研究复杂多智能体环境中的涌现行为和规模定律。 |
| ✅ | 动态通信 | 实现智能体间的实时交互，促进无缝协作以应对复杂任务。 |
| ✅ | 有状态记忆 | 使智能体具备保留和利用历史上下文的能力，从而在长期交互中改进决策。 |
| ✅ | 支持多种基准测试 | 利用标准化基准严格评估智能体性能，确保结果可复现和可靠比较。 |
| ✅ | 支持多种智能体类型 | 支持多种智能体角色、任务、模型和环境，适用于跨学科实验和多样化的研究应用。 |
| ✅ | 数据生成与工具集成 | 自动化创建大规模结构化数据集，同时无缝集成多种工具，简化合成数据生成和研究工作流。 |
使用 CAMEL 可以构建什么？
1. 数据生成
2. 任务自动化
3. 世界模拟
快速开始
由于 CAMEL 已在 PyPI 上发布，安装非常简单。只需打开终端并运行：
pip install camel-ai
从 ChatAgent 开始
此示例演示如何使用 CAMEL 框架创建一个 ChatAgent，并使用 DuckDuckGo 执行搜索查询。
- 安装工具包：
bash
pip install 'camel-ai[web_tools]'
- 设置你的 OpenAI API 密钥：
bash
export OPENAI_API_KEY='your_openai_api_key'
或者，使用 .env 文件：
bash
cp .env.example .env
# 然后编辑 .env 并添加你的密钥
- 运行以下 Python 代码：
```python
from camel.models import ModelFactory
from camel.types import ModelPlatformType, ModelType
from camel.agents import ChatAgent
from camel.toolkits import SearchToolkit
model = ModelFactory.create(
model_platform=ModelPlatformType.OPENAI,
model_type=ModelType.GPT_4O,
model_config_dict={"temperature": 0.0},
)
search_tool = SearchToolkit().search_duckduckgo
agent = 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.
```
- （可选）启用模型请求/响应日志：
bash
export CAMEL_MODEL_LOG_ENABLED=true
export CAMEL_MODEL_LOG_MODEL_CONFIG_ENABLED=true
export CAMEL_LOG_DIR=camel_logs
CAMEL_MODEL_LOG_ENABLED: 启用请求/响应 JSON 日志。CAMEL_MODEL_LOG_MODEL_CONFIG_ENABLED: 控制是否将model_config_dict记录在request.model_config_dict下。未设置时，默认值与CAMEL_MODEL_LOG_ENABLED相同。CAMEL_LOG_DIR: 生成日志文件的目录（默认：camel_logs）。- 日志以 UTF-8 JSON 格式写入，保留多语言文本（例如中文、日文、阿拉伯文），无 Unicode 转义噪声。
有关更详细的说明和额外的配置选项，请查看安装部分。
运行后，您可以在 docs.camel-ai.org 探索我们的 CAMEL 技术栈和使用手册，以构建强大的多智能体系统。
我们提供了一个 
演示，展示两个 ChatGPT 智能体分别扮演 Python 程序员和股票交易员，合作开发股票市场交易机器人的对话。
探索不同类型的智能体、它们的角色及其应用。
寻求帮助
如果您在设置 CAMEL 时遇到任何问题，请通过 CAMEL discord 联系我们。
技术栈
核心模块
用于构建、运行和增强 CAMEL-AI 智能体及社会的核心组件和工具。
| 模块 | 描述 |
|---|---|
| 智能体 | 用于自主运行的核心智能体架构和行为。 |
| 智能体社会 | 用于构建和管理多智能体系统与协作的组件。 |
| 数据生成 | 用于合成数据创建和增强的工具与方法。 |
| 模型 | 用于智能体智能的模型架构和自定义选项。 |
| 工具 | 用于智能体专用任务的工具集成。 |
| 记忆 | 用于智能体状态管理的记忆存储和检索机制。 |
| 存储 | 用于智能体数据和状态的持久化存储解决方案。 |
| 基准测试 | 性能评估和测试框架。 |
| 解释器 | 代码和命令解释能力。 |
| 数据加载器 | 数据摄取和预处理工具。 |
| 检索器 | 知识检索和 RAG 组件。 |
| 运行时 | 执行环境和进程管理。 |
| 人在回路 | 用于人工监督和干预的交互式组件。 |
| --- |
研究
我们相信，大规模研究智能体能够为理解其行为、能力和潜在风险提供宝贵的洞见。
探索我们的研究项目：
与我们合作研究
我们诚挚邀请您使用 CAMEL 进行有影响力的研究。
严谨的研究需要时间和资源。我们是一个由 100 多名研究人员组成的社区驱动研究团体，探索多智能体系统的前沿研究。加入我们正在进行的项目或与我们一同测试新想法，请通过电子邮件联系我们获取更多信息。
合成数据集
1. 利用多种 LLM 作为后端
更多详情，请参阅我们的 模型文档。
数据（托管于 Hugging Face）
| 数据集 | 对话格式 |