CAMEL — 角色扮演式自主协作多 Agent 框架
Skill-CAMEL-Role-Playing-Agents · 10-MAS
causalexperimentrecommendationmulti_agentpricing客服与VOC推荐与搜索MAS与智能体工程定价与利润WF-C 客服分诊WF-F 动态定价
实现难度⭐⭐⭐☆☆
业务优先级⭐⭐⭐☆☆
业务视角
适用角色运营负责人 / CTO · 产品经理 · CEO
适用平台Amazon PPC + 库存 + 定价 多 Agent 协作 · TikTok 内容运营流水线
什么情况下用运营任务太碎，选品/定价/广告/客服同时跑，人手严重不足；重复性运营动作需要 7×24 响应但没有足够人力
成功是什么样的多个 AI Agent 协作自动完成跨系统运营任务，运营团队人效提升 3-5 倍，7×24 无人值守运营
业务痛点
1. 解决的问题
CAMEL (Communicative Agents for "Mind" Exploration of Large Language Model Society) 提出了一种基于角色扮演（Role-Playing）的多 Agent 自主协作范式。核心洞察：当两个互补角色的 Agent（指令发出者 vs 执行者）在结构化协议约束下对话时，可以自主完成复杂任务，无需人工逐步干预。
2. 核心算法逻辑
CAMEL (Communicative Agents for "Mind" Exploration of Large Language Model Society) 提出了一种基于角色扮演（RolePlaying）的多 Agent 自主协作范式。核心洞察：当两个互补角色的 Agent（指令发出者 vs 执行者）在结构化协议约束下对话时，可以自主完成复杂任务，无需人工逐步干预。
3. 业务应用场景
分析母婴产品评论需要"业务视角"（关注什么属性重要）和"数据视角"（从文本中抽取具体信息）的结合。单 Agent 难以同时保持两种视角，容易遗漏关键洞察。
- 用户评论文本（Amazon/Trustpilot/Zendesk） - 产品品类信息 - 分析目标（如"找出 Spectra S1 吸奶器的 Top 3 负面驱动因素"）
业务价值： - 业务视角和数据视角的互补，减少分析盲区 - 无需人工逐步引导，Agent 自主推进分析深度 - 一次对话完成多维度分析，效率提升 3-5x
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- 数据要求：低，依赖 LLM 能力，无需额外训练数据
- 技术门槛：中，需要理解角色设计和 Inception Prompting
- 工程复杂度：中低，核心是 Prompt 工程和对话状态管理
- 维护成本：低，Prompt 调整即可适应新场景
- 概念优雅：Role-Playing 是直觉上最自然的协作方式
- 无需训练：纯 Prompt 工程，零模型训练成本
7. 代码模板
代码块数量：4 · 路径：未检测到
cd paper2skills-code/mas/camel_role_playing
python camel_agent.py8. 论文来源
- 2303.17760