camel-ai/camel

解决的问题

CAMEL 是一个旨在通过实现大规模多智能体系统的创建和模拟来研究智能体缩放法则的框架。它解决了在复杂环境中协调、通信和管理数百万个智能体以理解其涌现行为、能力和潜在风险的挑战。

工作原理

CAMEL 为构建自主智能体和“社会”（多智能体系统）提供了一个全面的技术栈。它采用了“Code-as-Prompt”理念，即代码和注释充当提示词。该框架支持用于多步交互的状态记忆、智能体之间的动态实时通信，以及与各种 LLM 后端和外部工具的集成。它还包括用于合成数据生成（如 CoT 和 Self-Instruct）和通过标准化基准测试进行性能评估的专用模块。

适用对象

主要面向对多智能体系统 (MAS)、合成数据生成和智能体缩放法则研究感兴趣的研究人员和开发人员。

亮点

• 大规模可扩展性：能够模拟高达 100 万个智能体以研究涌现行为。
• 合成数据引擎：内置用于 CoT、Self-Instruct 和 Source2Synth 数据生成的工具。
• 状态记忆：智能体可以保留历史上下文，从而随着时间的推移改进决策。
• 全面的生态系统：包括用于记忆、存储、检索器 (RAG) 和人机回环 (human-in-the-loop) 监督的模块。