关键要点
- Apache 2.0许可证——可免费使用、修改和自托管，包括商业用途
- GitHub仓库camel-ai/camel已突破17,700个星标和2,000个fork（创建于2023年3月）
- PyPI包
camel-ai，当前稳定版本为0.2.90（2026年3月22日）——积极维护中，2026年9月仍在发布预发布版本 - 核心概念：AI User与AI Assistant之间的角色扮演，由inception prompting驱动，朝自主完成任务的方向推进
- 起源：论文《CAMEL: Communicative Agents for 'Mind' Exploration of Large Language Model Society》，发表于NeurIPS 2023
- 安装：
pip install camel-ai，运行角色扮演会话前需通过ModelFactory配置LLM后端
📍 简单一句话
CAMEL是CAMEL-AI组织推出的免费、Apache 2.0许可Python框架，用于基于角色扮演的多智能体协作，"AI User"与"AI Assistant"通过inception prompting自主朝任务推进，而无需人工引导每一轮对话。
💬 简单来说
CAMEL让你启动两个扮演不同角色的AI智能体——一个发出指令，另一个执行指令——然后让它们自行对话、推进任务，而不必你手动提示每一步。
📌注: CAMEL的核心任务是基于角色的智能体协作，用于构建或研究多智能体系统，概念上最接近AutoGen和CrewAI。请参阅Local LLM Software Directory，了解CAMEL在众多智能体框架中的定位。
从研究论文到框架
CAMEL源自论文《CAMEL: Communicative Agents for 'Mind' Exploration of Large Language Model Society》，该论文发表于NeurIPS 2023。 该论文引入角色扮演，作为研究两个各自被分配角色和任务的LLM驱动智能体如何自主协作的方法——camel-ai/camel GitHub仓库将这一构想实现为一个可复用的框架，创建于2023年3月。
此后，CAMEL-AI组织一直将该框架用作进一步研究项目的基础。OWL（Optimized Workforce Learning for General Multi-Agent Assistance in Real-World Task Automation）是基于CAMEL构建的多智能体任务自动化项目，已独立突破20,000个GitHub星标。CAMEL-AI组织引用的其他研究项目还包括大规模社会模拟平台OASIS，以及智能体评估项目CRAB。
截至本评测时，CAMEL仍处于活跃开发中：PyPI上camel-ai包的当前稳定版本为0.2.90（发布于2026年3月22日），GitHub仓库最近一次发布预发布版本的时间是2026年9月3日，最近一次提交的时间是2026年9月7日。
与本系列的其他一些框架不同，CAMEL尚未被归档，也没有宣布任何后继项目——CAMEL-AI组织在直接持续开发该框架的同时，也在其基础上构建独立的下游工具。
CAMEL论文发布
- 日期:
- 2023-03
- 含义:
- "AI User"/"AI Assistant"角色扮演概念与inception prompting被引入
camel-ai/camel仓库创建
- 日期:
- 2023-03-17
- 含义:
- 论文构想的参考实现在GitHub上发布
论文在NeurIPS发表
- 日期:
- 2023
- 含义:
- CAMEL经过同行评审并在一场重要的AI研究会议上发表
OWL项目启动
- 日期:
- 2025-03
- 含义:
- 基于CAMEL构建的多智能体任务自动化项目作为独立仓库发布
PyPI上发布camel-ai 0.2.90
- 日期:
- 2026-03-22
- 含义:
- 截至本评测时经核实的最新稳定版本
最新预发布版本
- 日期:
- 2026-09-03
- 含义:
- 仅在GitHub上的alpha版本确认了持续活跃的开发状态
📌注: CAMEL不应与同名的CircleCI配置格式，或其他生态系统中无关的"Camel"工具混淆——本文仅涵盖camel-ai/camel这一多智能体框架。
CAMEL是什么？
CAMEL是一个开源Python框架（Apache 2.0许可，积极维护中，github.com/camel-ai/camel），用于构建和研究基于角色扮演的多智能体系统——两个或多个具有不同角色的LLM驱动智能体，在任务定义完成后以最少的人工干预朝共同任务对话并行动。
- 角色扮演：智能体在一次会话中被分配互补角色——最常见的是发出指令的"AI User"和执行指令的"AI Assistant"，CAMEL也支持其他适用于多智能体社会的角色配置
- Inception prompting：会话开始时赋予每个智能体的、定义任务的系统提示，使它们能够朝目标自主对话，而无需人工提示每一轮
ModelFactory：将角色扮演会话连接到你所配置的LLM后端（例如OpenAI兼容API或其他受支持的API）——CAMEL本身不附带内置模型- 项目文档记录的设计原则：evolvability（通过数据生成和交互不断改进的智能体）、scalability（协调大量智能体）、statefulness（智能体在多步骤会话中保留记忆），以及将代码和注释视为提示（"code-as-prompt"）
- 研究平台：CAMEL-AI将该项目描述为一个致力于研究智能体扩展规律的社区——随着智能体数量和任务复杂度的增加，智能体行为与协调方式如何变化
- 生态系统：CAMEL-AI组织在核心框架之上构建了独立的研究项目，包括面向现实世界任务自动化的OWL和面向大规模社会模拟的OASIS
pip install camel-ai
# 最简示例：一个双智能体角色扮演会话
from camel.societies import RolePlaying
society = RolePlaying(
assistant_role_name="Python Programmer",
user_role_name="Stock Trader",
task_prompt="Develop a trading bot for the stock market",
)
input_msg = society.init_chat()
assistant_response, user_response = society.step(input_msg)
print(assistant_response.msg.content)CAMEL的费用是多少？
CAMEL本身在Apache 2.0许可下免费——没有订阅、没有付费档位，也没有CAMEL-AI托管的服务需要付费。 你只需支付自身的计算成本，以及通过ModelFactory所配置的任何LLM提供商产生的API费用。
- CAMEL（开源框架）：在Apache 2.0许可下永久免费、自托管、无使用上限，运行无需账户
- 无托管产品或订阅：CAMEL是一个由你自行导入并运行的库，而非托管服务——没有任何东西需要订阅
- 可选费用：如果你连接的是云端后端而非本地部署的模型，则需要支付所配置LLM提供商的API费用（例如云端模型的按token计费）
- 多智能体成本考量：一次角色扮演会话每个智能体每一轮至少产生一次LLM调用，因此两个智能体之间的多轮对话所消耗的API调用次数，大约是相同轮数下单智能体提示的两倍
如何安装并开始使用CAMEL？
通过PyPI运行pip install camel-ai安装CAMEL。 基础框架无需克隆仓库或使用Docker——CAMEL作为普通的Python导入使用，不过部分可选的工具集成需要额外的包。
- 1安装包：
pip install camel-ai。 - 2如需可选的工具集成，安装扩展——例如`pip install 'camel-ai[web_tools]'`以获取网页浏览工具。
- 3通过
ModelFactory配置LLM后端——使用API密钥指向托管提供商（例如OpenAI），或指向本地部署的OpenAI兼容端点。 - 4定义两个角色和一个任务，然后构建一个
RolePlaying社会——例如一个"AI Assistant"角色、一个"AI User"角色，以及描述目标的task_prompt。 - 5调用
init_chat()获取起始消息，然后循环调用step()推进两个智能体之间的对话，检查或记录每一轮。 - 6完整的cookbook集合请参阅CAMEL文档，包括超出双智能体场景的多智能体社会以及与外部工具的集成。
运行CAMEL需要Docker或GPU吗？
不需要。CAMEL是一个调用你通过ModelFactory配置的LLM提供商的Python库——除非你单独运行本地模型服务器，否则不需要Docker或本地GPU硬件。
CAMEL能与本地模型配合使用吗？
可以，只要本地模型通过OpenAI兼容或其他受支持的端点提供服务，并将CAMEL的ModelFactory配置指向该端点——CAMEL本身不附带内置模型。
CAMEL适合谁使用？
CAMEL适合那些明确需要基于角色的智能体间协作——两个或多个智能体对话并朝任务行动——或者需要研究级基础来研究多智能体行为的开发者和研究人员。 对于需要具备商业支持的生产级编排产品的团队来说，它的适配度较低。
什么情况下不应使用CAMEL？
当你的任务实际上并不需要两个或多个智能体协作，或者你需要的是具备商业支持的生产平台而非面向研究的开源框架时，请避免使用CAMEL。
- 需要可视化无代码工作流构建器的团队——CAMEL以代码优先，没有拖放式界面
- 单个提示得当的智能体或一个简单流水线已经能够很好完成的任务——引入第二个智能体和角色扮演会带来协调开销，只有当任务确实能从两种不同视角或分工中受益时，这种开销才划算
- 需要商业厂商支持、SLA或托管托管产品的生产部署——CAMEL是社区维护的开源项目，没有付费支持层级
- 需要在多个步骤中保持显式、持久、可分支状态的工作流——像LangGraph这样基于图的框架比角色扮演对话循环更直接地对这种状态建模
- 相反，当任务能从两个或多个具有不同角色、朝目标收敛的智能体中受益时，或者当你正在研究多智能体行为本身时，应专门使用CAMEL
CAMEL对比替代方案
与CAMEL最接近的比较对象是本系列中的其他多智能体编排框架——AutoGen和CrewAI都协调多个相互通信的智能体，但两者采用不同的结构方式，并源自不同的起源（研究论文 vs. 商业产品）。
评估CAMEL时的常见误区
这些误区源于将CAMEL当作具备商业支持的生产平台对待，或误解角色扮演和inception prompting实际自动化的内容。
常见问题
CAMEL还在维护吗？
是的。camel-ai/camel仓库处于活跃开发中；PyPI上camel-ai包的当前稳定版本为0.2.90（2026年3月22日），仓库最近在2026年9月3日仍发布了预发布版本。
CAMEL是免费的吗？
是的。CAMEL采用Apache 2.0许可证，可免费用于商业用途、修改和自托管。没有订阅费，也没有托管产品需要付费。
CAMEL与AutoGen有什么区别？
AutoGen是微软的多智能体对话框架，围绕灵活的群聊模式构建；CAMEL则源自一篇通过inception prompting研究"AI User"与"AI Assistant"之间角色扮演的研究论文。两者都协调多个智能体，但起源不同，采用的结构方式也不同。
什么是inception prompting？
Inception prompting是指CAMEL在角色扮演会话开始时赋予每个智能体的一组初始系统提示，描述其角色、对方的角色以及任务——之后智能体便能自主朝目标对话，而无需人工提示每一轮。
OWL是什么，它与CAMEL有什么关系？
OWL（Optimized Workforce Learning for General Multi-Agent Assistance in Real-World Task Automation）是CAMEL-AI组织基于CAMEL构建的一个独立多智能体任务自动化项目，已独立获得超过20,000个GitHub星标。
如何安装CAMEL？
运行pip install camel-ai。如需可选的工具集成，请安装扩展，例如`pip install 'camel-ai[web_tools]'`。
CAMEL会取代单智能体框架或DSPy这类提示优化工具吗？
不会。CAMEL协调多个相互通信的智能体，它不会像DSPy那样优化单一流水线内的提示。两者解决的是不同但互补的问题。
CAMEL采用什么许可证发布？
Apache 2.0，允许免费商业使用、修改和自托管。
谁维护CAMEL？
CAMEL-AI组织维护camel-ai/camel仓库。该项目源自论文《CAMEL: Communicative Agents for 'Mind' Exploration of Large Language Model Society》，发表于NeurIPS 2023。
CAMEL有多少GitHub星标？
截至2026年9月，camel-ai/camel仓库已突破17,700个GitHub星标和2,000个fork。