CAMEL-AI: Ein Open-Source-Framework für den Aufbau multiintelligenter kollaborativer Systeme

CAMEL-AI ist ein quelloffenes Multi-Intelligenz-Framework, das sich auf die Erforschung und den Aufbau kollaborativer KI-Systeme konzentriert. Sein Hauptziel ist es, die Skalierungsgesetze von Intelligenzen zu erforschen und die Simulation und Interaktion von bis zu Millionen von Intelligenzen zu unterstützen.CAMEL-AI bietet flexible Werkzeuge und Module, die Entwicklern helfen, autonome und kollaborative Intelligenzen für Anwendungen wie Aufgabenautomatisierung, Datengenerierung und soziale Simulation zu erstellen. Das Projekt wird von einer Gemeinschaft von über 100 Forschern weltweit vorangetrieben, wobei der Schwerpunkt auf Offenheit und akademischer Forschung liegt. Der Code basiert auf der Apache 2.0-Lizenz, und der Datensatz steht unter der CC BY NC 4.0-Lizenz für nicht-kommerzielle Nutzung. Nutzer können über GitHub auf den Quellcode zugreifen, sich an Beiträgen der Gemeinschaft beteiligen oder technische Unterstützung erhalten. CAMEL-AI eignet sich für Forscher und Entwickler, um das Verhalten und das Potenzial komplexer multi-intelligenter Systeme zu erforschen.

Funktionsliste

• Unterstützt Simulationen von bis zu 1 Million Intelligenzen, um das Verhalten einer groß angelegten intelligenten Zusammenarbeit zu untersuchen.
• Bietet eine Vielzahl von intelligenten Körperrollen und Aufgabenstellungen zur Unterstützung disziplinübergreifender Experimente und Forschung.
• Integriertes Toolset mit Funktionen wie Suche, mathematische Berechnungen, Codeausführung und Bildanalyse.
• Durch die Unterstützung von Echtzeit-Interaktionen können die Intelligenzen über natürliche Sprache kommunizieren und zusammenarbeiten.
• Bietet ein Modul zur Datengenerierung, um hochwertige Inferenzpfade und Multi-Hop-Quizdaten zu erzeugen.
• Integrierte Umgebung für verstärkendes Lernen, in der die Intelligenzen ihre Leistung durch Feedback kontinuierlich optimieren können.
• Bietet einen standardisierten Leistungsbewertungsrahmen, um wiederholbare und vergleichbare Ergebnisse zu gewährleisten.
• Unterstützt die Konnektivität zu externen Wissensdatenbanken, um die Entscheidungsfähigkeit von Intelligenzen zu verbessern.

Hilfe verwenden

Einbauverfahren

Um CAMEL-AI zu verwenden, müssen Sie zunächst die erforderliche Umgebung und die Abhängigkeiten installieren. Nachfolgend finden Sie die detaillierten Installationsschritte, basierend auf den neuesten Informationen aus der offiziellen Dokumentation:

1. Überprüfen der Python-Version
   CAMEL-AI unterstützt Python 3.10, 3.11 oder 3.12. Stellen Sie sicher, dass Sie eine kompatible 64-Bit-Version von Python auf Ihrem System installiert haben. Dies kann mit dem folgenden Befehl überprüft werden:

   python --version
   

2. Erstellen einer virtuellen Umgebung
   Um Abhängigkeitskonflikte zu vermeiden, empfiehlt es sich, eine virtuelle Umgebung zu verwenden. Verwenden Sie conda, um die Umgebung zu erstellen:

   conda create --name camel_env python=3.10
   conda activate camel_env
   

3. CAMEL-Lagerhaus klonen
   Holen Sie sich den CAMEL-AI Quellcode von GitHub:

   git clone https://github.com/camel-ai/camel.git
   cd camel
   

4. Installation von Abhängigkeiten
   Installieren Sie die erforderlichen Abhängigkeiten, einschließlich PyTorch und anderer Bibliotheken. Hier ist ein typischer Installationsbefehl:

   conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia
   pip install -r requirements.txt
   pip install -e .
   

   Wenn Sie einen Consumer-Grafikprozessor verwenden, versuchen Sie QLoRA für die Modellfeinabstimmung, indem Sie das folgende Skript ausführen:

   bash scripts/train_camel_qlora.sh
   

5. Überprüfen der Installation
   Sobald die Installation abgeschlossen ist, führen Sie den Testbefehl aus, um sicherzustellen, dass die Umgebung korrekt konfiguriert ist:

   python -m camel_chat.serve.test_message --model-name /path/to/model
   

Hauptmerkmale der Verwendung von CAMEL-AI

CAMEL-AI verfügt über eine Vielzahl von Funktionsmodulen. Im Folgenden wird die Funktionsweise der wichtigsten Funktionen detailliert beschrieben:

1. die Schaffung multi-intelligenter Systeme

Das Herzstück von CAMEL-AI ist die Konstruktion von kollaborativen multi-intelligenten Körpersystemen. Sie können ein Projekt beginnen, indem Sie intelligente Körperrollen und Aufgaben definieren. Erstellen Sie zum Beispiel ein einfaches multi-intelligentes Körpersystem:

• Schritt 1: Definition der Rollen der intelligenten Stelle
  ausnutzen ChatAgent Die Klasse erstellt eine Intelligenz, richtet Rollen und Systemaufforderungen ein. Beispiel:

  from camel.agents import ChatAgent
  from camel.messages import BaseMessage
  from camel.models import ModelFactory
  from camel.types import ModelPlatformType, ModelType
  sys_msg = BaseMessage.make_assistant_message(
  role_name="Assistant",
  content="You are a helpful assistant for task automation."
  )
  model = ModelFactory.create(
  model_platform=ModelPlatformType.OPENAI,
  model_type=ModelType.GPT_4O_MINI
  )
  agent = ChatAgent(system_message=sys_msg, model=model)
  

• Schritt 2: Zuweisung von Aufgaben
  Auslösung eines intelligenten Systems zur Durchführung einer Aufgabe durch eine Benutzernachricht. Beispiel:

  user_msg = "Search for recent AI research papers."
  response = agent.step(user_msg)
  print(response)
  

2. die Nutzung des Instrumentariums

CAMEL-AI bietet eine Reihe von Werkzeugen, wie z.B. SearchToolkitundMathToolkit im Gesang antworten CodeExecutionToolkit. Um den Werkzeugsatz zu verwenden, müssen Sie die Werkzeuge laden, wenn Sie den Smartbody initialisieren:

from camel.toolkits import SearchToolkit
tools = [*SearchToolkit().get_tools()]
agent = ChatAgent(system_message=sys_msg, model=model, tools=tools)

Sobald sie läuft, kann die Intelligenz Tools aufrufen, um Such- oder Berechnungsaufgaben durchzuführen. Zum Beispiel die Suche nach CAMEL-AI-bezogenen Informationen:

user_msg = "What is CAMEL-AI.org?"
response = agent.step(user_msg)
print(response)

3. die Datenerstellung

CAMEL-AI Source2Synth Das Modul unterstützt die Erzeugung von Multi-Hop-Quiz-Daten. Benutzer können Daten in folgenden Schritten erzeugen:

• Bereiten Sie die Quelltextdaten (z. B. PDF oder Webinhalte) vor.
• ausnutzen Source2Synth Das Modul verarbeitet Text, um komplexe Frage-Antwort-Paare zu erzeugen:

  from camel.data import Source2Synth
  s2s = Source2Synth()
  questions = s2s.generate_questions(source_text="your_text_here", complexity=3)
  print(questions)
  

  Dies kann durch Anpassung der complexity Die Parameter steuern den Schwierigkeitsgrad der Problemstellung.

4. soziale Simulation

Das OASIS-Modul von CAMEL-AI unterstützt die Simulation des Sozialverhaltens von bis zu 1 Million Intelligenzen. Um OASIS auszuführen, müssen zusätzliche Abhängigkeiten installiert werden:

pip install camel-oasis

Starten Sie die OASIS-Simulation:

from oasis import OasisSimulator
simulator = OasisSimulator(num_agents=1000)
simulator.run_simulation(actions=["follow", "comment", "repost"])

Die Benutzer können die Parameter so einstellen, dass sie soziale Updates auf Twitter oder Reddit simulieren.

Unterstützung erhalten

Wenn Sie auf Probleme stoßen, können Sie auf folgende Weise Hilfe erhalten:

• Treten Sie der CAMEL-AI Discord- oder WeChat-Community bei, um sich an der Diskussion zu beteiligen.
• Reichen Sie ein Problem auf GitHub ein, um ein Problem zu beschreiben oder eine Funktionsanfrage zu stellen.
• Siehe dazu die offizielle Dokumentation:https://www.camel-ai.org/docs.

Anwendungsszenario

1. Automatisierung der Forschung
   CAMEL-AI kann zur Automatisierung von Literaturrecherchen verwendet werden. Forscher können mit Intelligenzen zusammenarbeiten, um schnell Zusammenfassungen, Schlüsselwörter und Schlussfolgerungen von Artikeln zu extrahieren und so die Forschungseffizienz zu verbessern.
2. Analyse sozialer Medien
   Nutzen Sie das OASIS-Modul, um das Verhalten von Nutzern sozialer Medien zu simulieren und die Verbreitung von Informationen, die Polarisierung von Gruppen und den Masseneffekt zu analysieren, was sich für die Medienbeobachtung und die politische Forschung eignet.
3. Automatisierung von Aufgaben
   Entwickler können mit CAMEL-AI automatisierte Arbeitsabläufe erstellen. So können Intelligenzen beispielsweise die Stimmung auf dem Aktienmarkt überwachen und Handelsstrategien entwickeln.
4. Bildung und Ausbildung
   CAMEL-AI generiert qualitativ hochwertige Bildungs- und Fragedaten für den Aufbau intelligenter Tutorsysteme oder Online-Lernplattformen.

QA

1. Ist CAMEL-AI kostenlos?
   CAMEL-AI ist ein Open-Source-Projekt und der Code kann unter der Apache 2.0-Lizenz frei verwendet werden. Der Datensatz ist nur für nicht-kommerzielle Zwecke bestimmt und steht unter der Lizenz CC BY NC 4.0.
2. Welche Hardware ist für die Ausführung von CAMEL-AI erforderlich?
   Die Grundfunktionen können auf einem normalen Laptop ausgeführt werden (8 GB RAM erforderlich). Für umfangreiche Simulationen oder die Feinabstimmung von Modellen sind leistungsstarke GPUs wie der A100 erforderlich.
3. Wie kann ich mich an der CAMEL-AI Gemeinschaft beteiligen?
   Reichen Sie einen Pull-Request über GitHub ein oder treten Sie der Discord/WeChat-Community bei, um mit Forschern zu diskutieren und Code beizutragen.
4. Welche Modelle werden von CAMEL-AI unterstützt?
   Es unterstützt OpenAIs GPT-4 und andere Modelle, sowie Open-Source-Modelle wie LLaMA, siehe die offizielle Dokumentation für die spezifische Konfiguration.