企业官网建设流程全解析

CAMEL 多智能体实战：10 分钟让两个 AI 角色自动协作

【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

CAMEL（Communicative Agents for "Mind" Exploration of Large Language Model Society）是一个多智能体框架，核心思路是让两个 LLM 分别扮演"用户"和"助手"互相对话，把模糊需求聊成可交付的结果。读完本文，你能独立跑通仓库里自带的角色扮演示例，看懂任务是怎么被澄清和验收的，并知道下一步往 Workforce 多智能体工作流方向延伸。

一个 LLM 接不住的模糊需求

把"帮我写个股票交易机器人"直接甩给单个模型，最常见的结果是它给你讲一遍交易机器人的原理，而不是动手写。CAMEL 的做法是加一个对戏的"用户"角色：由另一个 LLM 扮演的用户会追问、验收、指出缺口，助手角色只拿到明确任务后才开工。这样模糊需求在对话里被逐步澄清，而不是靠你反复手动补提示词。

装环境并跑通第一个示例

环境要求 Python 3.10+，装包不需要 Docker。

git clone https://gitcode.com/GitHub_Trending/ca/camel cd camel pip install -e .

模型默认走 OpenAI，把 key 配进环境变量即可。仓库里 examples/ai_society/role_playing.py 就是最小可跑的示例：两个角色"Python Programmer"和"Stock Trader"围绕交易机器人任务对话，每轮输出带颜色区分，看到绿色的 terminated 提示就代表对话正常收场：

export OPENAI_API_KEY=your_key python examples/ai_society/role_playing.py

刚才那 20 行代码背后发生了什么

你只传了角色名和一句任务，框架其实先跑了个"任务指定"环节——也就是说，有第三个模型把你的模糊任务改写成一份双方都看得懂的任务书，两个角色拿着同一份任务书对戏，谁都不用猜对方的意图。对话每轮由 camel/societies/role_playing.py 里的 step() 推进，两个角色各自判断任务是否完成，任一方返回终止信号，循环就停下来，避免无限闲聊。想加质检，把 with_critic_in_the_loop 参数打开，让第三个角色当评审，不满意就驳回重做。

两个角色聊够了，上"部门"

两个人的对话能解模糊需求，但"查资料—分析—写报告"这种流水线需要分工。仓库里的 Workforce 模块（源码在 camel/societies/workforce/）就是干这个的：它把任务拆给多个带工具的 ChatAgent 工作者，任务通过工作通道（task_channel，就是任务在工作者之间流转的信箱）传递，结果按工作流顺序合并。参考 examples/workforce/multiple_single_agents.py 里"研究员+分析师+写作者"三智能体的完整写法，改改任务描述就能套你自己的流程。需要实时信息的场景，可结合 camel/toolkits/weather_toolkit.py 这类工具包给工作者挂上查天气的能力，做行程规划这类任务。

下一步你可以试

别急着写新代码，先把仓库现成的示例当教材：跑一遍 examples/ai_society/role_playing_with_critic.py 看评审角色怎么介入；再把 workforce 示例里的模型换成 camel/configs/ 里的其他平台配置。延伸内容看：

• 官方文档：docs/
• 示例代码：examples/
• 核心源码：camel/

【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