说到多智能体框架，很多人张口就是 AutoGen、CrewAI，但有个更早的”老炮”你可能错过了——CAMEL。2023 年 3 月开源，比 AutoGen 还早半年，一篇《Communicative Agents for “Software” Development》论文把”两个 AI 互聊就能写软件”打进主流视野。如今它在 GitHub 上约 1.7 万星，Apache 2.0 协议，背后的 CAMEL-AI 开源社区还在持续迭代。
这个项目最早来自牛津大学及合作者的研究：给两个大模型分别分配”用户”和”助手”角色，让它们带着任务目标多轮对话，协作完成软件开发、推理问答这类复杂任务。当年这是第一批把”Agent 社会””角色扮演协作”系统化做成框架的工作，后来的任务循环、AI 社会模拟，很多都受了它的启发。
它到底是个啥
一句话：Python 原生的开源多智能体研究型框架，核心是”角色扮演 + 沟通协作”。
第一，角色扮演式协作（RolePlaying）。 看家本领。一个任务拆成”任务指定者”和”任务执行者”，用自然语言多轮对话推进。比如写个贪吃蛇游戏，一个负责提需求验收，一个负责写代码，聊着聊着代码就出来了。
第二，Agent 社会与世界模拟。 CAMEL 想研究一群 Agent 放在一起会发生什么——协作、争论、分工，甚至”涌现”出预料之外的行为，玩的是”Scaling Law of Agents”那套东西。
第三，数据生成与 RAG 工具链。 内置数据生成、RAG、记忆模块、工具调用和主流模型的统一封装，能造评测数据、搭知识库问答，也能接搜索和代码执行。
跟 CrewAI 那种”组个小队替你打工”的任务导向不同，CAMEL 更偏研究气质：它先问”Agent 为什么能协作”，再问”怎么干活”。想发论文、做实验、理解多智能体本质，它是为数不多把”可复现的研究脚手架”做好的选择。
上手有多难
Python 用户会觉得亲切：
pip install camel-ai
官方文档在 docs.camel-ai.org，仓库 examples 和 Cookbook 覆盖了单聊、双人协作、多智能体辩论、RAG 问答全链路。模型支持 OpenAI 和多种开源后端，配个兼容接口就能跑。建议先跑通 RolePlaying 官方示例，再碰社会模拟和自定义工具——直接上复杂编排容易被消息循环绕晕，这是研究型框架的通病。
说点实话
优点：论文背书、理念正统、对话记忆 RAG 评测一条龙，Apache 协议商用友好。想理解协作本质，从它入手比 No-Code 平台扎实得多。
缺点也直说：抽象偏学术，生产级编排、容错、可观测不如 LangGraph、AutoGen 后期版本”结实”。文档以英文为主，版本迭代快，照旧教程抄作业容易踩坑。open issue 常年几百个，社区活跃但坑也不少——建议先当学习框架，别一上来就押生产项目。
横向对比：AutoGen 是微软系的工程编排派，CrewAI 是”招个 AI 小队”的任务派，LangGraph 是流程图式的控制派，CAMEL 则是学院派。四者不冲突，可以组合着学。
一句话总结
只想快速搭个能干活的应用，CAMEL 不是最短的路；但想真正搞懂多智能体，这个 1.7 万星的老炮值得一个周末。从 RolePlaying 示例开始，看两个 AI 当面把活聊完，你会对 Agent 有全新的理解。
本文数据核实于 2026 年 10 月（GitHub camel-ai/camel 约 17,656 星，Apache 2.0，官网 camel-ai.org），星数以仓库实时页面为准。
—— by 数码罗记·godsun.pro
