camel

CAMEL est un framework axé sur la recherche et piloté par la communauté pour explorer le comportement, les capacités, les risques et les lois de mise à l'échelle des agents LLM à grande échelle. Le package Python est installé depuis PyPI avec `pip install camel-ai` ; des extras optionnels tels que des outils web ajoutent des capacités comme la recherche DuckDuckGo. L'exemple de démarrage rapide utilise ModelFactory pour connecter un ChatAgent à un modèle OpenAI, attache un outil de recherche et envoie des invites en plusieurs étapes. Ses principaux blocs de construction incluent des agents autonomes, des sociétés d'agents pour le jeu de rôle et la collaboration de type workforce, des backends de modèles, des intégrations d'outils, une mémoire avec état, un stockage persistant, des chargeurs de données, des récupérateurs, des interpréteurs de code et de commandes, la gestion de l'exécution, des benchmarks et une supervision humaine dans la boucle. Les principes de conception documentés sont l'évolutivité via l'interaction avec les données et l'environnement, la scalabilité pour les grands systèmes d'agents, la mémoire avec état pour les tâches en plusieurs étapes, et la lisibilité du code comme invite. Le README décrit le support pour la communication dynamique et les simulations contenant jusqu'à un million d'agents. CAMEL fournit également des workflows de données synthétiques pour la génération de chaînes de pensée, l'auto-instruction, Source2Synth et les données CoT auto-améliorantes, ainsi que des guides pour le fine-tuning et la publication de jeux de données. Il lie des jeux de données Hugging Face couvrant les conversations de la société IA, le code, les mathématiques, la physique, la chimie et la biologie. Les cookbooks RAG et Graph RAG aident les agents à récupérer des connaissances externes. Les applications documentées incluent le jeu de rôle collaboratif, les workforces multi-agents, la génération de rapports et de graphes de connaissances, le jugement de hackathons, les bots Discord de service client, l'ingestion de sites web, l'analyse vidéo et la simulation mondiale via le projet OASIS. Le dépôt comprend des exemples, de la documentation, une démo Colab, des liens de recherche et des canaux de support communautaire.