CAMEL 多智能体角色扮演完整指南：5分钟跑通你的第一个协作任务

CAMEL 多智能体角色扮演完整指南5分钟跑通你的第一个协作任务【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一个AI写文案、一个AI写代码谁来统筹结果一个AI写文案、另一个AI写代码结果谁来统筹CAMEL 是一个让大语言模型LLM进行角色扮演的多智能体协作框架源自 NeurIPS2023 论文。它给每个智能体分配明确角色负责拆任务、管分工、汇结果你只需用一句自然语言下达目标剩下交给这支AI 团队处理。核心价值速览30秒记住4个要点图1CAMEL 角色扮演框架两个智能体分别扮演角色后交替对话、共同完成任务角色扮演给智能体一个文案撰稿人前端工程师这样的身份它就会按这个身份思考和发言。指令去重对话中反复出现的同类指令会被识别并过滤不浪费上下文。终止控制能判断任务是否已完成自动收尾避免无限来回对话。多角色并行把任务拆给不同角色并行处理最后把各自产出整合成一份输出。这四点共同服务于一个目标让多智能体协作可控、可复现。CAMEL 多智能体协作是怎么运转的一个团队分工类比把它想象成一个小工作室用户提出需求管理器相当于项目经理接单并决定怎么分工协调器相当于项目协调员把大任务拆成子任务、逐个跟踪进度工作者相当于专业工程师只负责执行自己领域的子任务并回传结果。最后由管理器汇总所有结果交还给你。CAMEL 在 camel/societies/workforce/ 实现了这套分工任务树定义在 camel/tasks/task.py 里一个任务可以递归拆出子任务每个角色由 camel/agents/chat_agent.py 承载。如果只需要两个人对谈还有更简单的双角色模式见 camel/societies/role_playing.py两个智能体分别扮演助手与用户轮流发言直到任务结束。图2Workforce 团队架构展示任务从接收、分解到执行的完整流转五分钟上手CAMEL 安装教程三步走环境要求 Python 3.10 以上。安装只需三步git clone https://gitcode.com/GitHub_Trending/ca/camel cd camel pip install .接着配置模型在环境变量里设置对应供应商的 API Key 即可各家的模型参数定义都在 camel/configs/ 目录下。以创建产品 landing page为例整条协作链路是这样的你向管理器下达任务创建产品 landing page。协调器把它拆成两个子任务撰写产品文案和实现 HTML 页面。文案撰稿人智能体先产出文字内容。前端工程师智能体拿到文案输出单页 HTML。管理器汇总两份产出返回最终页面。最小可运行示例存为 .py 文件直接执行from camel.agents import ChatAgent from camel.messages import BaseMessage from camel.models import ModelFactory from camel.societies.workforce import Workforce from camel.tasks import Task from camel.types import ModelPlatformType, ModelType model ModelFactory.create( model_platformModelPlatformType.DEFAULT, model_typeModelType.DEFAULT, ) writer ChatAgent( system_messageBaseMessage.make_assistant_message( role_name文案撰稿人, content你是一名产品文案撰稿人擅长撰写 landing page 文案。, ), modelmodel, ) coder ChatAgent( system_messageBaseMessage.make_assistant_message( role_name前端工程师, content你擅长把文案转成单文件 HTML 页面。, ), modelmodel, ) workforce Workforce(Landing Page 团队) workforce.add_task(Task(content创建一个产品 landing page, idtask_001)) workforce.add_agent(writer) workforce.add_agent(coder) workforce.run()更多完整的多智能体协作案例见 examples/workforce/。进阶场景三个可以直接抄作业的方向智能客服搭一个能答疑、能跟进的客服机器人Discord 和 Slack 的现成实现见 examples/bots/。动态旅行规划组合 camel/toolkits/weather_toolkit.py 与 camel/toolkits/google_maps_toolkit.py让团队按实时天气和路况调整行程。金融数据分析多角色协作完成数据获取、趋势分析到建议生成的闭环可以从 camel/toolkits/openbb_toolkit.py 起步。图3多智能体团队做动态旅行规划智能体调用天气工具后输出行程方案总结与资源CAMEL 把多个 LLM 协作变成了有分工、可追踪的人类团队模式角色可定义、任务可拆分、结果可整合。跑通上面的基础流程后你可以直接基于它的工具集扩展出自己的场景。官方文档docs/示例代码examples/核心源码camel/把一句需求变成一个任务你的第一个多智能体团队现在就能开工。【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