简介
CAMEL 是一个社区驱动的开源多智能体框架，旨在研究智能体的规模效应与协作行为，支持从单个代理到百万级代理的模拟、数据生成与评测工作流。该项目提供丰富的示例、工具链与 Cookbooks，便于在研究和工程场景中快速构建多智能体系统。
主要特性
- 支持大规模仿真：可扩展到大量代理以研究涌现行为。
- 丰富的工具集：包含数据生成、评测基准、RAG 管道与工具集成插件。
- 可组合的代理架构：支持多角色、带状态记忆的代理与社会（society）机制。
- 开放社区与文档：提供详细文档、示例代码与社区交流渠道（Discord、文档站点）。
使用场景
- 多智能体研究：探索代理规模与协作策略的影响。
- 数据生成与标注：使用内置数据生成流水线产出训练/评测数据。
- 任务自动化与工作流编排：构建协作型任务代理来自动化复杂流程。
- RAG 与知识检索：结合检索模块实现增强检索式多智能体对话系统。
技术特点
- 模块化设计：Agents、Societies、Memory、Tools、RAG 等模块解耦。
- 状态化记忆：支持长期上下文与多步交互的记忆机制。
- 多后端模型支持：可接入多种 LLM 后端以评估与训练代理行为。
- 研究友好：包含基准、可复现的实验配置与可视化工具。