🐫 CAMEL 是一个开源社区，致力于探索智能体的规模化规律。我们相信，在大规模条件下研究这些智能体，可以为其行为、能力以及潜在风险提供宝贵的洞见。为了推动该领域的研究，我们实现并支持多种类型的智能体、任务、提示词、模型和模拟环境。
加入我们（Discord 或 微信），一起突破智能体规模化规律研究的边界。
🌟 在 GitHub 上为 CAMEL 点亮 Star，第一时间获取最新发布信息。
该框架使多智能体系统能够通过生成数据和与环境交互不断进化。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。
该框架旨在支持拥有数百万智能体的系统，确保在大规模下实现高效的协作、通信和资源管理。
智能体保持有状态的记忆，使其能够与环境进行多步交互，并高效应对复杂任务。
每一行代码和注释都可以作为智能体的提示。代码应当书写清晰、易读，确保人类和智能体都能有效理解。
我们是一个由社区驱动的研究团体，汇聚了 100 多位研究人员，致力于推动多智能体系统的前沿研究。 全球各地的研究者选择在研究中使用 CAMEL，基于以下原因。
| ✅ | 大规模智能体系统 | 可模拟多达 100 万个智能体，用于研究复杂多智能体环境中的涌现行为和规模规律。 |
| ✅ | 动态通信 | 支持智能体之间的实时交互，促进无缝协作以应对复杂任务。 |
| ✅ | 有状态记忆 | 赋予智能体保留和利用历史上下文的能力，从而在长期交互中提升决策质量。 |
| ✅ | 支持多种基准测试 | 利用标准化基准严格评估智能体性能，确保结果的可复现性和可靠比较。 |
| ✅ | 支持多类型智能体 | 可使用多种角色、任务、模型和环境，支持跨学科实验与多样化研究应用。 |
| ✅ | 数据生成与工具集成 | 自动化生成大规模结构化数据集，并与多种工具无缝集成，加速合成数据生成和研究流程。 |
安装 CAMEL 非常简单，因为它已在 PyPI 上提供。只需打开终端并运行：
pip install camel-ai本示例演示如何使用 CAMEL 框架创建一个 ChatAgent，并使用 DuckDuckGo 执行搜索查询。
- 安装 tools 包：
pip install 'camel-ai[web_tools]'- 设置你的 OpenAI API key:
export OPENAI_API_KEY='your_openai_api_key'- 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 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](https://github.com/camel-ai/camel).- （可选）开启模型请求/响应日志：
export CAMEL_MODEL_LOG_ENABLED=true
export CAMEL_MODEL_LOG_MODEL_CONFIG_ENABLED=true
export CAMEL_LOG_DIR=camel_logsCAMEL_MODEL_LOG_ENABLED：开启请求/响应 JSON 日志。CAMEL_MODEL_LOG_MODEL_CONFIG_ENABLED：控制是否记录request.model_config_dict。未设置时，默认跟CAMEL_MODEL_LOG_ENABLED保持一致。CAMEL_LOG_DIR：日志输出目录（默认：camel_logs）。- 日志以 UTF-8 JSON 写入，中文、日文、阿拉伯语等多语言内容可读， 不会出现大量 Unicode 转义字符。
有关更详细的说明和其他配置选项，请参阅安装部分。
运行之后，您可以访问 docs.camel-ai.org 探索我们的 CAMEL 技术栈和操作手册，构建强大的多智能体系统。
我们提供了一个 
探索不同类型的智能体、它们的角色以及应用场景。
如果在设置 CAMEL 时遇到任何问题，请通过 CAMEL Discord 与我们联系。
用于构建、运行和增强 CAMEL-AI 智能体及智能体社会的核心组件和工具。
| 模块 | 描述 |
|---|---|
| Agents | 核心智能体架构与行为，用于自主运行。 |
| Agent Societies | 构建和管理多智能体系统及协作的组件。 |
| Data Generation | 合成数据创建与增强的工具和方法。 |
| Models | 智能体模型架构及定制选项。 |
| Tools | 用于智能体专用任务的工具集成。 |
| Memory | 智能体状态管理的记忆存储与检索机制。 |
| Storage | 智能体数据和状态的持久化存储方案。 |
| Benchmarks | 性能评估与测试框架。 |
| Interpreters | 代码与指令解释能力。 |
| Data Loaders | 数据导入与预处理工具。 |
| Retrievers | 知识检索与 RAG（检索增强生成）组件。 |
| Runtime | 执行环境与进程管理。 |
| Human-in-the-Loop | 支持人工监督与干预的交互组件。 |
我们认为，对这些智能体进行大规模研究可以深入了解它们的行为、能力及潜在风险。
探索我们的研究项目：
我们诚挚地邀请您使用 CAMEL 开展有影响力的研究。
严谨的研究需要时间和资源。我们是一个由社区驱动的研究团队，拥有 100 多名研究人员，致力于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起测试新想法，通过邮箱联系我们 获取更多信息。
更多详情请参阅我们的 模型文档。
数据（托管于 Hugging Face）
| 数据集 | 聊天格式 | 指令格式 | 聊天格式（翻译版） |
|---|---|---|---|
| AI Society | 聊天格式 | 指令格式 | 聊天格式（翻译版） |
| Code | 聊天格式 | 指令格式 | x |
| Math | 聊天格式 | x | x |
| Physics | 聊天格式 | x | x |
| Chemistry | 聊天格式 | x | x |
| Biology | 聊天格式 | x | x |
| 数据集 | 指令 | 任务 |
|---|---|---|
| AI Society | 指令 | 任务 |
| Code | 指令 | 任务 |
| Misalignment | 指令 | 任务 |
提供关于在 CAMEL-AI 智能体及智能体社会中实现特定功能的实用指南与教程。
| 手册 | 描述 |
|---|---|
| 创建您的第一个智能体 | 构建第一个智能体的逐步指南。 |
| 创建您的第一个智能体社会 | 学习构建协作型智能体社会。 |
| 消息手册 | 智能体消息处理的最佳实践。 |
| 手册 | 描述 |
|---|---|
| 工具手册 | 集成工具以增强功能。 |
| 记忆手册 | 在智能体中实现记忆系统。 |
| RAG 手册 | 检索增强生成（RAG）的操作指南。 |
| 图谱 RAG 手册 | 利用知识图谱实现 RAG。 |
| 使用 AgentOps 跟踪 CAMEL 智能体 | 管理与跟踪智能体操作的工具。 |
| 手册 | 描述 |
|---|---|
| 使用 CAMEL 生成数据并用 Unsloth 微调 | 学习如何使用 CAMEL 生成数据，并用 Unsloth 高效微调模型。 |
| 使用真实函数调用与 Hermes 格式生成数据 | 探索如何通过真实函数调用和 Hermes 格式生成数据。 |
| CoT 数据生成并上传至 Huggingface | 学习如何生成 CoT 数据并无缝上传到 Huggingface。 |
| 使用 CAMEL 和 Unsolth 生成 CoT 数据并微调 Qwen | 探索如何使用 CAMEL 生成 CoT 数据，并结合 Unsolth 对 Qwen 进行微调，同时将数据和模型上传至 Huggingface。 |
| 手册 | 描述 |
|---|---|
| 报告与知识图谱生成的角色扮演爬虫 | 创建角色扮演智能体进行数据爬取与报告生成。 |
| 使用 Workforce 构建黑客松评审委员会 | 构建协作评审团队的智能体系统。 |
| 动态知识图谱角色扮演：多智能体系统 | 构建动态、时序感知的金融知识图谱，处理财报、新闻与论文，帮助交易员分析数据、识别关系并发现市场洞察，同时通过多样化元素节点去重优化图谱结构。 |
| 使用 Agentic RAG 构建 Discord 客服机器人 | 学习如何使用 Agentic RAG 构建强大的 Discord 客服机器人。 |
| 使用本地模型构建 Discord 客服机器人 | 学习如何使用支持本地部署的 Agentic RAG 构建 Discord 客服机器人。 |
| 手册 | 描述 |
|---|---|
| 视频分析 | 智能体在视频数据分析中的技术与方法。 |
| 使用 Firecrawl 从网站获取数据的三种方法 | 探索通过 Firecrawl 从网站提取和处理数据的三种方法。 |
| 创建可处理 PDF 的 AI 智能体 | 学习如何使用 Chunkr 和 Mistral AI 创建可处理 PDF 的智能体。 |
展示 CAMEL 多智能体框架在基础设施自动化、生产力工作流程、检索增强对话、智能文档/视频分析以及协作研究中创造实际商业价值的案例。
| 用例 | 描述 |
|---|---|
| ACI MCP | 展示 CAMEL 多智能体框架在基础设施自动化、生产力工作流程、检索增强对话、智能文档/视频分析及协作研究中创造实际商业价值的真实案例。 |
| Cloudflare MCP CAMEL | 智能体动态管理 Cloudflare 资源，实现可扩展且高效的云安全与性能优化。 |
| 用例 | 描述 |
|---|---|
| Airbnb MCP | 协调智能体优化和管理 Airbnb 房源及房东运营。 |
| PPTX 工具包用例 (PPTX Toolkit Usecase) | 通过多智能体协作分析 PowerPoint 文档并提取结构化洞见。 |
| 用例 | 描述 |
|---|---|
| 与 GitHub 聊天 (Chat with GitHub) | 通过 CAMEL 智能体利用 RAG 风格工作流查询和理解 GitHub 代码库，加速开发者入职和代码导航。 |
| 与 YouTube 聊天 (Chat with YouTube) | 会话智能体提取并总结视频字幕，加快内容理解和再利用。 |
| 用例 | 描述 |
|---|---|
| YouTube OCR | 智能体对视频截图进行 OCR 识别，概括视觉内容，支持媒体监控和合规检查。 |
| Mistral OCR | CAMEL 智能体结合 Mistral 进行文档 OCR 分析，减少文档理解工作流程中的人工操作。 |
| 用例 | 描述 |
|---|---|
| 多智能体研究助手 (Multi-Agent Research Assistant) | 模拟一支由研究智能体组成的团队协作进行文献综述，提高探索性分析和报告的效率。 |
我们积极参与各类社区活动，包括：
- 🎙️ 社区会议 — 每周与 CAMEL 团队的线上同步
- 🏆 竞赛 — CAMEL 主办的黑客松、悬赏任务和编程挑战
- 🤝 志愿者活动 — 贡献代码、文档整理及导师指导
- 🌍 大使项目 — 在您的大学或本地技术团体中代表 CAMEL
对于希望贡献代码的朋友，我们非常感谢您对我们开源项目的支持。请花一点时间阅读我们的 贡献指南，以便顺利开始合作之旅。🚀
我们也欢迎您通过社交媒体、活动或会议分享 CAMEL，帮助其成长。您的支持将产生巨大的影响！
使用 contrib.rocks 制作。
特别感谢 Nomic AI 为我们提供了其数据集探索工具（Atlas）的扩展访问权限。
我们还要感谢 Haya Hammoud 设计了我们项目的初始徽标。
我们实现了来自其他研究工作的优秀创意，供您构建、比较和定制智能体。如果您使用了其中的任何模块，请务必引用原始作品：
-
TaskCreationAgent,TaskPrioritizationAgentandBabyAGIfrom Nakajima et al.: Task-Driven Autonomous Agent. [Example] -
PersonaHubfrom Tao Ge et al.: Scaling Synthetic Data Creation with 1,000,000,000 Personas. [Example] -
Self-Instructfrom Yizhong Wang et al.: SELF-INSTRUCT: Aligning Language Models with Self-Generated Instructions. [Example]
该源码遵循 Apache 2.0 许可证。
@inproceedings{li2023camel,
title={CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society},
author={Li, Guohao and Hammoud, Hasan Abed Al Kader and Itani, Hani and Khizbullin, Dmitrii and Ghanem, Bernard},
booktitle={Thirty-seventh Conference on Neural Information Processing Systems},
year={2023}
}
这是一个如何引用我们工作的示例：
We use the CAMEL framework \cite{li2023camel} to develop the agents used in our experiments.
如需更多信息，请联系：camel-ai@eigent.ai
-
GitHub Issues： 报告 bug、提交功能请求以及跟踪开发进度。提交 Issue
-
Discord： 获取实时支持，与社区交流，并保持最新动态。加入我们
-
X（Twitter）： 获取更新、AI 见解和重要公告。关注我们
-
大使项目（Ambassador Project）： 推广 CAMEL-AI、举办活动并贡献内容。了解更多
-
微信社区： 扫描下方二维码加入我们的微信社区。
