CAMEL-学习笔记一
目录
CAMEL 学习笔记一
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 Fore
from camel.societies import RolePlaying
from camel.utils import print_text_animated
from camel.models import ModelFactory
from camel.types import ModelPlatformType
model = 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 = 0
input_msg = role_play_session.init_chat()
while n < chat_turn_limit:
n += 1
assistant_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']}."
)
)
break
if user_response.terminated:
print(
Fore.GREEN
+ (
"AI 用户已终止。"
f"原因: {user_response.info['termination_reasons']}."
)
)
break
print_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:
break
input_msg = assistant_response.msg
if __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?