[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-datawhalechina--handy-multi-agent":3,"similar-datawhalechina--handy-multi-agent":105},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":8,"readme_en":9,"readme_zh":10,"quickstart_zh":11,"use_case_zh":12,"hero_image_url":13,"owner_login":14,"owner_name":15,"owner_avatar_url":16,"owner_bio":17,"owner_company":18,"owner_location":18,"owner_email":18,"owner_twitter":18,"owner_website":19,"owner_url":20,"languages":21,"stars":46,"forks":47,"last_commit_at":48,"license":18,"difficulty_score":49,"env_os":50,"env_gpu":51,"env_ram":51,"env_deps":52,"category_tags":57,"github_topics":18,"view_count":49,"oss_zip_url":18,"oss_zip_packed_at":18,"status":61,"created_at":62,"updated_at":63,"faqs":64,"releases":99},3318,"datawhalechina\u002Fhandy-multi-agent","handy-multi-agent","This is a multi agent tutorial based on the CAMEL framework, aimed at understanding how to build an Agent Society from the ground up!","Handy-multi-agent 是一套基于 CAMEL 框架的多智能体系统实战教程，旨在帮助开发者从零开始构建复杂的\"Agent 社会”。它解决了初学者在面对多智能体协作、大模型应用开发时缺乏系统性指导和落地代码的痛点，将抽象的理论转化为可执行的步骤。\n\n该项目特别适合具备 Python 基础、希望深入探索 AI 智能体领域的开发者和技术学习者。通过循序渐进的章节设计，用户不仅能掌握 Agent 的核心组件（如记忆、工具、提示工程），还能亲手实践 RAG（检索增强生成）、向量数据库以及多智能体协作工作流等关键技术。其独特亮点在于提供了完整的“文档 + 代码”闭环，涵盖从环境配置到综合案例（如旅游规划助手）的全流程，并配套了每章的作业练习以巩固技能。无论是想理解大模型如何协同工作，还是希望快速搭建自己的多智能体应用，Handy-multi-agent 都是一份实用且开源的学习指南。","# Handy Multi-Agent 教程\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_handy-multi-agent_readme_7bbfc1979148.jpg\" alt=\"Handy Multi-Agent Logo\">\n  \u003Cbr>\n  \u003Cp>基于CAMEL框架从零开始构建多智能体系统的实用指南\u003C\u002Fp>\n  \u003Cp>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fstargazers\">\n      \u003Cimg alt=\"GitHub stars\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fdatawhalechina\u002Fhandy-multi-agent\">\n    \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fnetwork\">\n      \u003Cimg alt=\"GitHub forks\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdatawhalechina\u002Fhandy-multi-agent\">\n    \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues\">\n      \u003Cimg alt=\"GitHub issues\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002Fdatawhalechina\u002Fhandy-multi-agent\">\n    \u003C\u002Fa>\n    \u003Ca href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\n      \u003Cimg alt=\"GitHub license\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey\">\n    \u003C\u002Fa>\n  \u003C\u002Fp>\n\u003C\u002Fdiv>\n\n\n\n> 🎉 **项目已正式发布第一版！** 完整教程文档已更新至docs目录，配套可执行代码位于code目录，可一键运行。如有任何疑问或功能建议，欢迎在GitHub提issue反馈~\n\n## 📖 项目简介\n\n**Handy-Multi-Agent** 是一套专为希望深入了解并实践多智能体系统的开发者设计的实用指南。本教程基于国内领先的多智能体框架 [CAMEL-AI（NeruIPS'2023）](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2303.17760.pdf)，从最基本的单个Agent开发，逐步引导读者构建复杂的Multi Agent应用。\n\n### 🎯 面向人群\n\n本项目侧重于实践和动手构建Agent应用，同时结合必要的理论知识，适合：\n- 对多智能体系统、大模型应用或人工智能领域有研究兴趣的学习者\n- 希望通过实践了解并探索LLM在多智能体系统中应用的开发者\n\n### 🚀 学习目标\n\n通过本项目，我们希望帮助开发者：\n1. **理解基础**：掌握CAMEL框架的使用方法，理解Agent的基本概念\n2. **提升技能**：通过实践项目，涉及RAG、Memory、Multi Agent等技术，提高构建和管理智能体的能力\n3. **应用实践**：将所学知识应用于解决实际问题，培养实践能力和创新思维\n\n### 👨‍💻 适合人群\n\n- **技术基础**：具备Python编程基础，能够阅读和理解项目源代码和相关理论\n- **兴趣与动机**：对AI智能体领域充满热情，希望从代码层面对智能体进行个性化能力开发\n\n## 📚 项目结构\n\n```\nhandy-multi-agent\u002F\n├── docs\u002F                # 教程文档\n│   ├── chapter0\u002F        # 第零章：序言\n│   ├── chapter1\u002F        # 第一章：环境配置\n│   ├── chapter2\u002F        # 第二章：Agent的构成组件\n│   ├── chapter3\u002F        # 第三章：CAMEL框架简介及实践\n│   ├── chapter4\u002F        # 第四章：CAMEL框架下的RAG应用\n│   ├── chapter5\u002F        # 第五章：综合案例\n│   ├── chapter6\u002F        # 第六章：结语\n│   ├── appendix\u002F        # 附录\n│   ├── images\u002F          # 文档图片资源\n│   └── files\u002F           # 文档相关文件\n│\n├── code\u002F                # 配套代码\n│   ├── 第一章.ipynb      # 第一章实践代码\n│   ├── 第二章.ipynb      # 第二章实践代码\n│   ├── 第三章.ipynb      # 第三章实践代码\n│   ├── 第四章\u002F           # 第四章实践代码\n│   └── 第五章\u002F           # 第五章实践代码\n│\n└── README.md            # 项目说明文档\n```\n\n## 📝 内容目录\n\n### 章节概览\n\n* **第零章：序言**\n  * 0.1 加入我们\n  * 0.2 如何贡献？\n  \n* **第一章：环境配置**\n  * 1.1 获取CAMEL\n  * 1.2 API设置\n  * 1.3 Hello CAMEL!\n  * 1.4 第一章课程作业\n  \n* **第二章：Agent 的构成组件**\n  * 2.1 智能体概述\n  * 2.2 Agent设计原则与方法\n  * 2.3 Models\n  * 2.4 Messages\n  * 2.5 Prompt Engineering\n  * 2.6 Memory\n  * 2.7 Tools\n  * 2.8 第二章课程作业\n  \n* **第三章：CAMEL框架简介及实践**\n  * 3.1 CAMEL框架简介\n  * 3.2 创建你的第一个Agent Society\n  * 3.3 创建你的Workforce\n  * 3.4 第三章课程作业\n  \n* **第四章：CAMEL框架下的RAG应用**\n  * 4.1 RAG的组件介绍\n  * 4.2 向量数据库介绍\n  * 4.3 搭建知识库\n  * 4.4 构建RAG应用\n  * 4.5 RAG应用的评估\n  * 4.6 Graph RAG应用实战\n  * 4.7 第四章课程作业\n  \n* **第五章：综合案例**\n  * 5.1 应用概览\n  * 5.2 用户意图识别模块\n  * 5.3 旅游信息检索\n  * 5.4 攻略生成模块\n  * 5.5 反馈优化模块\n  * 5.6 搭配知识集用\n  * 5.7 第五章课程作业\n  \n  \n* **附录**\n  * 支持的模型\n  * Loader补充\n  * MCP补充（初稿, 飞书在线文档里）\n\n## 🛠️ 使用指南\n\n### 环境要求\n- 推荐 Python 3.10 及以上\n\n### 安装CAMEL\n```bash\npip install \"camel-ai[all]\"\n```\n\n### 学习步骤\n1. **阅读文档**：访问`docs`目录或在线文档，按章节顺序学习理论知识\n2. **运行代码**：在`code`目录中找到对应章节的代码文件，按照说明运行实践练习\n3. **完成作业**：每章末尾提供的作业可巩固所学知识\n4. **项目实践**：综合应用所学内容，实现自己的多智能体系统\n\n## 🔍 在线阅读\n\n完整教程内容可访问以下链接之一查看：\n- **GitHub Pages**: [https:\u002F\u002Fdatawhalechina.github.io\u002Fhandy-multi-agent\u002F](https:\u002F\u002Fdatawhalechina.github.io\u002Fhandy-multi-agent\u002F)\n- **飞书文档（中文版）**: [https:\u002F\u002Ffmhw1n4zpn.feishu.cn\u002Fdocx\u002FAF4XdOZpIo6TOaxzDK8cxInNnCe](https:\u002F\u002Ffmhw1n4zpn.feishu.cn\u002Fdocx\u002FAF4XdOZpIo6TOaxzDK8cxInNnCe)\n\n\n## 📅 Roadmap\n\n- [x] 发布第一版内容内测\n- [x] 飞书内容迁移仓库\n- [x] 更新案例源代码文件\n- [x] 发布第一版内容公测\n- [x] 重构教程结构，系统整理化agent发展历程，补充更多实例和新特性讲解，更新camel版本到制作时最新\n\n## 🧑‍💻 参与贡献\n\n- 如果你想参与项目，欢迎查看 [Issue](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues) 了解未分配的任务\n- 发现问题请在 [Issue](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues) 中进行反馈🐛\n- 对项目感兴趣想要参与可以通过 [Discussion]() 进行交流💬\n- 如有任何想法可以联系DataWhale&CAMEL社区开发者\n\n## 👥 贡献者名单\n\n### 核心贡献者\n- [陈思州-项目负责人](https:\u002F\u002Fgithub.com\u002Fjjyaoao) (Datawhale成员-CAMEL-AI成员)\n- [孙韬-项目负责人](https:\u002F\u002Fgithub.com\u002Ffengju0213) (Datawhale成员-CAMEL-AI成员)\n- [姜舒凡-核心贡献者](https:\u002F\u002Fgithub.com\u002FTsumugii24) (Datawhale成员)\n- [范文栋-核心贡献者](https:\u002F\u002Fgithub.com\u002FWendong-Fan) (CAMEL-AI成员-算法工程师)\n\n### 主要贡献者\n- [李川-内容创作者](https:\u002F\u002Fgithub.com\u002FMrLIChuan) (CAMEL-AI成员-索邦大学\u002F巴黎理工学院 博士\u002F助教)\n- [小川-内容创作者](https:\u002F\u002Fgithub.com\u002F) (CAMEL-AI宣传大使)\n- [豆腐酱-内容创作者](https:\u002F\u002Fgithub.com\u002FTofu0142) (CAMEL-AI宣传大使)\n- [王小为-内容创作者](https:\u002F\u002Fgithub.com\u002Fcswangxiaowei) (小米NLP算法工程师)\n- [任信行-内容创作者](https:\u002F\u002Fgithub.com\u002Frenxinxing123) (CAMEL-AI宣传大使)\n- [陆崇喜-内容创作者](https:\u002F\u002Fgithub.com\u002FLucas-CX) (软件工程师)\n- [邢硕-内容创作者](https:\u002F\u002Fgithub.com\u002FSusan2048) (Datawhale意向成员)\n- [康婧淇-内容创作者](jkan0031@student.monash.edu) (Datawhale成员)\n- [金子涵-内容创作者](https:\u002F\u002Fgithub.com\u002Fdongyu23) (Datawhale意向成员)\n- [朱忠懿-内容创作者](https:\u002F\u002Fgithub.com\u002Faut-rain) (Datawhale鲸英助教)\n\n\n特别感谢[@Sm1les](https:\u002F\u002Fgithub.com\u002FSm1les)对项目的帮助和支持~\n\n## 📱 关注我们\n\n\u003Cdiv align=\"center\">\n\u003Ctable>\n  \u003Ctr>\n    \u003Ctd align=\"center\">\n      \u003Cp>扫描下方二维码关注公众号：Datawhale\u003C\u002Fp>\n      \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_handy-multi-agent_readme_303cd5dfe9c5.jpeg\" width=\"180\" height=\"180\">\n    \u003C\u002Ftd>\n    \u003Ctd align=\"center\">\n      \u003Cp>扫描下方二维码关注公众号：CAMEL-AI\u003C\u002Fp>\n      \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_handy-multi-agent_readme_3107e6cb267e.png\" width=\"180\" height=\"180\">\n    \u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n\u003C\u002Fdiv>\n\n## 📄 LICENSE\n\n\u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\u003Cimg alt=\"知识共享许可协议\" style=\"border-width:0\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey\" \u002F>\u003C\u002Fa>\u003Cbr \u002F>本作品采用\u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议\u003C\u002Fa>进行许可。\n\n*注：默认使用CC 4.0协议，也可根据自身项目情况选用其他协议*\n","# Handy Multi-Agent 教程\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_handy-multi-agent_readme_7bbfc1979148.jpg\" alt=\"Handy Multi-Agent Logo\">\n  \u003Cbr>\n  \u003Cp>基于CAMEL框架从零开始构建多智能体系统的实用指南\u003C\u002Fp>\n  \u003Cp>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fstargazers\">\n      \u003Cimg alt=\"GitHub stars\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fdatawhalechina\u002Fhandy-multi-agent\">\n    \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fnetwork\">\n      \u003Cimg alt=\"GitHub forks\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdatawhalechina\u002Fhandy-multi-agent\">\n    \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues\">\n      \u003Cimg alt=\"GitHub issues\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002Fdatawhalechina\u002Fhandy-multi-agent\">\n    \u003C\u002Fa>\n    \u003Ca href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\n      \u003Cimg alt=\"GitHub license\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey\">\n    \u003C\u002Fa>\n  \u003C\u002Fp>\n\u003C\u002Fdiv>\n\n\n\n> 🎉 **项目已正式发布第一版！** 完整教程文档已更新至docs目录，配套可执行代码位于code目录，可一键运行。如有任何疑问或功能建议，欢迎在GitHub提issue反馈~\n\n## 📖 项目简介\n\n**Handy-Multi-Agent** 是一套专为希望深入了解并实践多智能体系统的开发者设计的实用指南。本教程基于国内领先的多智能体框架 [CAMEL-AI（NeruIPS'2023）](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2303.17760.pdf)，从最基本的单个Agent开发，逐步引导读者构建复杂的Multi Agent应用。\n\n### 🎯 面向人群\n\n本项目侧重于实践和动手构建Agent应用，同时结合必要的理论知识，适合：\n- 对多智能体系统、大模型应用或人工智能领域有研究兴趣的学习者\n- 希望通过实践了解并探索LLM在多智能体系统中应用的开发者\n\n### 🚀 学习目标\n\n通过本项目，我们希望帮助开发者：\n1. **理解基础**：掌握CAMEL框架的使用方法，理解Agent的基本概念\n2. **提升技能**：通过实践项目，涉及RAG、Memory、Multi Agent等技术，提高构建和管理智能体的能力\n3. **应用实践**：将所学知识应用于解决实际问题，培养实践能力和创新思维\n\n### 👨‍💻 适合人群\n\n- **技术基础**：具备Python编程基础，能够阅读和理解项目源代码和相关理论\n- **兴趣与动机**：对AI智能体领域充满热情，希望从代码层面对智能体进行个性化能力开发\n\n## 📚 项目结构\n\n```\nhandy-multi-agent\u002F\n├── docs\u002F                # 教程文档\n│   ├── chapter0\u002F        # 第零章：序言\n│   ├── chapter1\u002F        # 第一章：环境配置\n│   ├── chapter2\u002F        # 第二章：Agent的构成组件\n│   ├── chapter3\u002F        # 第三章：CAMEL框架简介及实践\n│   ├── chapter4\u002F        # 第四章：CAMEL框架下的RAG应用\n│   ├── chapter5\u002F        # 第五章：综合案例\n│   ├── chapter6\u002F        # 第六章：结语\n│   ├── appendix\u002F        # 附录\n│   ├── images\u002F          # 文档图片资源\n│   └── files\u002F           # 文档相关文件\n│\n├── code\u002F                # 配套代码\n│   ├── 第一章.ipynb      # 第一章实践代码\n│   ├── 第二章.ipynb      # 第二章实践代码\n│   ├── 第三章.ipynb      # 第三章实践代码\n│   ├── 第四章\u002F           # 第四章实践代码\n│   └── 第五章\u002F           # 第五章实践代码\n│\n└── README.md            # 项目说明文档\n```\n\n## 📝 内容目录\n\n### 章节概览\n\n* **第零章：序言**\n  * 0.1 加入我们\n  * 0.2 如何贡献？\n  \n* **第一章：环境配置**\n  * 1.1 获取CAMEL\n  * 1.2 API设置\n  * 1.3 Hello CAMEL!\n  * 1.4 第一章课程作业\n  \n* **第二章：Agent 的构成组件**\n  * 2.1 智能体概述\n  * 2.2 Agent设计原则与方法\n  * 2.3 Models\n  * 2.4 Messages\n  * 2.5 Prompt Engineering\n  * 2.6 Memory\n  * 2.7 Tools\n  * 2.8 第二章课程作业\n  \n* **第三章：CAMEL框架简介及实践**\n  * 3.1 CAMEL框架简介\n  * 3.2 创建你的第一个Agent Society\n  * 3.3 创建你的Workforce\n  * 3.4 第三章课程作业\n  \n* **第四章：CAMEL框架下的RAG应用**\n  * 4.1 RAG的组件介绍\n  * 4.2 向量数据库介绍\n  * 4.3 搭建知识库\n  * 4.4 构建RAG应用\n  * 4.5 RAG应用的评估\n  * 4.6 Graph RAG应用实战\n  * 4.7 第四章课程作业\n  \n* **第五章：综合案例**\n  * 5.1 应用概览\n  * 5.2 用户意图识别模块\n  * 5.3 旅游信息检索\n  * 5.4 攻略生成模块\n  * 5.5 反馈优化模块\n  * 5.6 搭配知识集用\n  * 5.7 第五章课程作业\n  \n  \n* **附录**\n  * 支持的模型\n  * Loader补充\n  * MCP补充（初稿, 飞书在线文档里）\n\n## 🛠️ 使用指南\n\n### 环境要求\n- 推荐 Python 3.10 及以上\n\n### 安装CAMEL\n```bash\npip install \"camel-ai[all]\"\n```\n\n### 学习步骤\n1. **阅读文档**：访问`docs`目录或在线文档，按章节顺序学习理论知识\n2. **运行代码**：在`code`目录中找到对应章节的代码文件，按照说明运行实践练习\n3. **完成作业**：每章末尾提供的作业可巩固所学知识\n4. **项目实践**：综合应用所学内容，实现自己的多智能体系统\n\n## 🔍 在线阅读\n\n完整教程内容可访问以下链接之一查看：\n- **GitHub Pages**: [https:\u002F\u002Fdatawhalechina.github.io\u002Fhandy-multi-agent\u002F](https:\u002F\u002Fdatawhalechina.github.io\u002Fhandy-multi-agent\u002F)\n- **飞书文档（中文版）**: [https:\u002F\u002Ffmhw1n4zpn.feishu.cn\u002Fdocx\u002FAF4XdOZpIo6TOaxzDK8cxInNnCe](https:\u002F\u002Ffmhw1n4zpn.feishu.cn\u002Fdocx\u002FAF4XdOZpIo6TOaxzDK8cxInNnCe)\n\n\n## 📅 Roadmap\n\n- [x] 发布第一版内容内测\n- [x] 飞书内容迁移仓库\n- [x] 更新案例源代码文件\n- [x] 发布第一版内容公测\n- [x] 重构教程结构，系统整理化agent发展历程，补充更多实例和新特性讲解，更新camel版本到制作时最新\n\n## 🧑‍💻 参与贡献\n\n- 如果你想参与项目，欢迎查看 [Issue](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues) 了解未分配的任务\n- 发现问题请在 [Issue](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues) 中进行反馈🐛\n- 对项目感兴趣想要参与可以通过 [Discussion]() 进行交流💬\n- 如有任何想法可以联系DataWhale&CAMEL社区开发者\n\n## 👥 贡献者名单\n\n### 核心贡献者\n- [陈思州-项目负责人](https:\u002F\u002Fgithub.com\u002Fjjyaoao) (Datawhale成员-CAMEL-AI成员)\n- [孙韬-项目负责人](https:\u002F\u002Fgithub.com\u002Ffengju0213) (Datawhale成员-CAMEL-AI成员)\n- [姜舒凡-核心贡献者](https:\u002F\u002Fgithub.com\u002FTsumugii24) (Datawhale成员)\n- [范文栋-核心贡献者](https:\u002F\u002Fgithub.com\u002FWendong-Fan) (CAMEL-AI成员-算法工程师)\n\n### 主要贡献者\n- [李川-内容创作者](https:\u002F\u002Fgithub.com\u002FMrLIChuan) (CAMEL-AI成员-索邦大学\u002F巴黎理工学院 博士\u002F助教)\n- [小川-内容创作者](https:\u002F\u002Fgithub.com\u002F) (CAMEL-AI宣传大使)\n- [豆腐酱-内容创作者](https:\u002F\u002Fgithub.com\u002FTofu0142) (CAMEL-AI宣传大使)\n- [王小为-内容创作者](https:\u002F\u002Fgithub.com\u002Fcswangxiaowei) (小米NLP算法工程师)\n- [任信行-内容创作者](https:\u002F\u002Fgithub.com\u002Frenxinxing123) (CAMEL-AI宣传大使)\n- [陆崇喜-内容创作者](https:\u002F\u002Fgithub.com\u002FLucas-CX) (软件工程师)\n- [邢硕-内容创作者](https:\u002F\u002Fgithub.com\u002FSusan2048) (Datawhale意向成员)\n- [康婧淇-内容创作者](jkan0031@student.monash.edu) (Datawhale成员)\n- [金子涵-内容创作者](https:\u002F\u002Fgithub.com\u002Fdongyu23) (Datawhale意向成员)\n- [朱忠懿-内容创作者](https:\u002F\u002Fgithub.com\u002Faut-rain) (Datawhale鲸英助教)\n\n\n特别感谢[@Sm1les](https:\u002F\u002Fgithub.com\u002FSm1les)对项目的帮助和支持~\n\n## 📱 关注我们\n\n\u003Cdiv align=\"center\">\n\u003Ctable>\n  \u003Ctr>\n    \u003Ctd align=\"center\">\n      \u003Cp>扫描下方二维码关注公众号：Datawhale\u003C\u002Fp>\n      \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_handy-multi-agent_readme_303cd5dfe9c5.jpeg\" width=\"180\" height=\"180\">\n    \u003C\u002Ftd>\n    \u003Ctd align=\"center\">\n      \u003Cp>扫描下方二维码关注公众号：CAMEL-AI\u003C\u002Fp>\n      \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_handy-multi-agent_readme_3107e6cb267e.png\" width=\"180\" height=\"180\">\n    \u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n\u003C\u002Fdiv>\n\n## 📄 LICENSE\n\n\u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\u003Cimg alt=\"知识共享许可协议\" style=\"border-width:0\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey\" \u002F>\u003C\u002Fa>\u003Cbr \u002F>本作品采用\u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议\u003C\u002Fa>进行许可。\n\n*注：默认使用CC 4.0协议，也可根据自身项目情况选用其他协议*","# Handy Multi-Agent 快速上手指南\n\n本指南基于 CAMEL 框架，帮助开发者快速构建多智能体（Multi-Agent）系统。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux \u002F macOS \u002F Windows\n*   **Python 版本**：推荐 Python 3.10 及以上\n*   **前置知识**：具备基础的 Python 编程能力，了解大模型应用基本概念\n\n## 安装步骤\n\n### 1. 安装 CAMEL 框架\n\n使用 pip 直接安装包含所有依赖的完整版本：\n\n```bash\npip install \"camel-ai[all]\"\n```\n\n> 💡 **国内加速建议**：如果遇到下载速度慢的问题，推荐使用国内镜像源安装：\n> ```bash\n> pip install \"camel-ai[all]\" -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n### 2. 配置 API Key\n\n在使用前，您需要配置大模型的 API Key。可以通过环境变量设置（以 OpenAI 为例）：\n\n```bash\nexport OPENAI_API_KEY=\"your-api-key-here\"\n```\n\n或者在代码中进行配置（见下文示例）。\n\n## 基本使用\n\n以下是一个最简单的单智能体对话示例，展示如何初始化模型并创建第一个 Agent。\n\n### 代码示例 (`hello_camel.py`)\n\n```python\nfrom camel.agents import ChatAgent\nfrom camel.models import ModelFactory\nfrom camel.types import ModelPlatformType, ModelType\n\n# 1. 定义模型\nmodel = ModelFactory.create(\n    model_platform=ModelPlatformType.OPENAI,\n    model_type=ModelType.GPT_4O,\n)\n\n# 2. 创建智能体 (Agent)\nagent = ChatAgent(\n    system_message=\"你是一个乐于助人的 AI 助手。\",\n    model=model,\n)\n\n# 3. 发送消息并获取回复\nuser_msg = \"你好，请介绍一下你自己。\"\nresponse = agent.step(user_msg)\n\n# 4. 输出结果\nprint(response.msgs[0].content)\n```\n\n### 运行代码\n\n保存上述代码为 `hello_camel.py`，然后在终端运行：\n\n```bash\npython hello_camel.py\n```\n\n如果配置正确，您将看到 AI 助手的回复。\n\n---\n\n**下一步学习**：\n*   查看 `code` 目录下的 Jupyter Notebook 文件，跟随章节进行更复杂的实践（如多智能体协作、RAG 应用等）。\n*   访问 [在线文档](https:\u002F\u002Fdatawhalechina.github.io\u002Fhandy-multi-agent\u002F) 阅读完整教程。","某初创旅游科技团队希望快速构建一个能自动理解用户意图、检索实时资讯并生成个性化攻略的智能助手，但缺乏多智能体协作系统的开发经验。\n\n### 没有 handy-multi-agent 时\n- **架构设计迷茫**：开发者需从零研究多智能体交互协议，难以理清“意图识别”、“信息检索”与“内容生成”等角色如何分工协作。\n- **重复造轮子**：必须手动编写底层代码来实现记忆（Memory）、工具调用（Tools）及消息传递机制，耗时且容易出错。\n- **知识整合困难**：缺乏成熟的 RAG（检索增强生成）实践指引，导致智能体无法准确结合外部旅游数据库回答用户问题。\n- **调试成本高昂**：由于缺乏标准化的框架支持，当多个智能体对话逻辑混乱时，排查错误如同大海捞针。\n\n### 使用 handy-multi-agent 后\n- **快速搭建社会**：基于 CAMEL 框架的教程指导，团队迅速定义了“规划师”、“检索员”和“作家”三个角色，一键构建出有序的 Agent Society。\n- **复用成熟组件**：直接调用教程中封装好的 Memory 和 Tools 模块，将开发重心从底层基建转移到了业务逻辑优化上。\n- **落地 RAG 应用**：跟随第四章实战指南，轻松接入向量数据库，让智能体能精准引用最新的景点门票和天气数据生成攻略。\n- **系统化迭代**：依托清晰的章节结构和综合案例，团队成员能快速定位协作故障点，并通过标准化流程持续优化反馈机制。\n\nhandy-multi-agent 将复杂的多智能体系统构建过程转化为可执行的标准化步骤，帮助开发者从理论认知平滑过渡到高质量的实际应用落地。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdatawhalechina_handy-multi-agent_7bbfc197.jpg","datawhalechina","Datawhale","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdatawhalechina_f57a6118.png","for the learner，和学习者一起成长",null,"https:\u002F\u002Fdatawhale.cn","https:\u002F\u002Fgithub.com\u002Fdatawhalechina",[22,26,30,34,38,42],{"name":23,"color":24,"percentage":25},"Jupyter Notebook","#DA5B0B",75.3,{"name":27,"color":28,"percentage":29},"TypeScript","#3178c6",10.1,{"name":31,"color":32,"percentage":33},"Python","#3572A5",9.1,{"name":35,"color":36,"percentage":37},"HTML","#e34c26",3.7,{"name":39,"color":40,"percentage":41},"CSS","#663399",1.6,{"name":43,"color":44,"percentage":45},"JavaScript","#f1e05a",0.2,749,77,"2026-04-01T14:16:06",2,"","未说明",{"notes":53,"python":54,"dependencies":55},"本项目是基于 CAMEL 框架的多智能体系统教程。安装核心依赖需运行 'pip install \"camel-ai[all]\"'。代码以 Jupyter Notebook (.ipynb) 形式提供，建议配合 Jupyter Lab 或 VS Code 使用。具体 GPU 和内存需求取决于用户选择的底层大模型（LLM）及是否本地部署，若使用云端 API 则对本地硬件无特殊要求。","3.10+",[56],"camel-ai[all]",[58,59,60],"语言模型","开发框架","Agent","ready","2026-03-27T02:49:30.150509","2026-04-06T07:13:29.793092",[65,70,75,80,85,90,95],{"id":66,"question_zh":67,"answer_zh":68,"source_url":69},15231,"使用 Qwen2.5-72B-Instruct 调用工具时报错 'messages with role \"tool\" must be a response to a preceeding message with \"tool_calls\"' 如何解决？","该问题通常由版本不兼容引起。请确保您的 camel-ai 库版本为 0.2.38 或更高（最新版本已修复此问题）。建议新建一个 conda 环境并重新安装依赖：`pip install \"camel-ai[all]==0.2.38\"`。此外，请确认您使用的 ModelScope API Key 是正确的，且选择了正确的模型 API 端点。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues\u002F3",{"id":71,"question_zh":72,"answer_zh":73,"source_url":74},15232,"为什么我没有显式定义 memory，ChatAgent 仍然能记住之前的对话内容（如角色设定）？","这是 ChatAgent 的默认行为。在初始化时，如果您未提供 memory 参数，它会自动创建一个 `ChatHistoryMemory` 实例来管理对话历史。每次调用 `step` 方法时，代理会将新消息加入记忆并获取上下文。如果您想禁用此功能或清除历史，可以在对话后调用 `agent.reset()`，或者每次创建一个新的 ChatAgent 实例。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues\u002F8",{"id":76,"question_zh":77,"answer_zh":78,"source_url":79},15233,"如何快速配置项目运行所需的环境依赖？","项目大部分代码可以直接基于 camel-ai 运行。您无需手动创建 requirements.txt，只需执行命令 `pip install \"camel-ai[all]==0.2.38\"` 即可安装所有必要依赖。运行代码时，仅需在脚本中填入您自己申请的大模型 API Key。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues\u002F7",{"id":81,"question_zh":82,"answer_zh":83,"source_url":84},15234,"运行 Workforce 初始化代码时报错 'TypeError: __init__() got an unexpected keyword argument 'new_worker_agent_kwargs'' 怎么办？","这是因为教程代码基于较旧版本的 CAMEL 编写，而您安装的库版本较新，参数名称或结构已发生变化（该代码逻辑属于四月份的版本）。建议检查您当前安装的 camel-ai 版本，并参考官方最新文档调整 `Workforce` 的初始化参数，或者尝试安装与教程匹配的旧版本库。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues\u002F13",{"id":86,"question_zh":87,"answer_zh":88,"source_url":89},15235,"如何让 Agent 读取本地文件或保存生成的代码结果？","若要让 Camel Agent 读取本地文件，可以使用其内置的文件操作工具。具体用法和可用工具列表请参考官方文档：https:\u002F\u002Fdocs.camel-ai.org\u002Fkey_modules\u002Ftools.html。通过配置相应的工具函数，Agent 即可执行文件读写操作并保存输出结果。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues\u002F2",{"id":91,"question_zh":92,"answer_zh":93,"source_url":94},15236,"在哪里可以找到第四、五章的作业答案或解题思路？","目前官方正在整理覆盖主流 Agent 实操和系统概念的最新教程，新版本中会提供对应的作业答案。现阶段建议自行探索实践。另外，第四章作业 2 的思路可以在第五章的“旅游信息检索”部分找到一些参考线索。","https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fhandy-multi-agent\u002Fissues\u002F10",{"id":96,"question_zh":97,"answer_zh":98,"source_url":84},15237,"在 Jupyter 中运行 Workforce 任务时程序卡住或无响应怎么办？","在 Jupyter 环境中运行异步任务（如 Workforce 处理任务）时，需要启用 nest_asyncio 以避免事件循环冲突。请在代码开头添加以下两行：\n```python\nimport nest_asyncio\nnest_asyncio.apply()\n```\n然后再执行 `task = workforce.process_task(task)`，这样可以防止程序卡死。",[100],{"id":101,"version":102,"summary_zh":103,"released_at":104},89918,"v1.0.0","# Handy Multi-Agent v1.0.0 正式发布\n\n## 📢 发布说明\n\n我们很高兴地宣布 **Handy Multi-Agent** 教程第一版正式发布！这是一套专为希望深入了解并实践多智能体系统的开发者设计的实用指南，基于国内领先的多智能体框架CAMEL-AI（NeruIPS'2023），从最基本的单个Agent开发，逐步引导读者构建复杂的Multi Agent应用。\n\n## ✨ 主要内容\n\n本教程包含六大章节和配套代码：\n\n- **第零章：序言** - 项目介绍与参与方式\n- **第一章：环境配置** - CAMEL框架安装与API配置\n- **第二章：Agent的构成组件** - 智能体概述、Models、Messages等基础知识\n- **第三章：CAMEL框架简介及实践** - 多智能体基本概念与实现\n- **第四章：CAMEL框架下的RAG应用** - 知识库构建与检索增强生成\n- **第五章：综合案例** - 多智能体系统实战应用\n- **第六章：数据合成** - CAMEL的特色功能探索\n\n## 🛠️ 安装与使用\n\n### 环境要求\n\n- Python 3.10-3.12\n\n### 安装CAMEL\n\n```bash\npip install \"camel-ai[all]==0.2.38\"\n```\n\n### 学习方式\n\n1. 访问我们的文档阅读理论知识\n2. 下载code目录中的代码，按章节运行实践\n3. 完成每章末尾的课程作业巩固所学内容\n\n## 📚 在线阅读\n\n- **GitHub Pages**: [https:\u002F\u002Fdatawhalechina.github.io\u002Fhandy-multi-agent\u002F](https:\u002F\u002Fdatawhalechina.github.io\u002Fhandy-multi-agent\u002F)\n- **飞书文档**: [https:\u002F\u002Ffmhw1n4zpn.feishu.cn\u002Fdocx\u002FAF4XdOZpIo6TOaxzDK8cxInNnCe](https:\u002F\u002Ffmhw1n4zpn.feishu.cn\u002Fdocx\u002FAF4XdOZpIo6TOaxzDK8cxInNnCe)\n\n## 👥 致谢\n\n感谢所有核心贡献者和内容创作者的辛勤工作，使本项目成为可能。特别感谢DataWhale社区和CAMEL-AI团队的支持与合作。也非常感谢各位参与组队学习，提供反馈意见的学习者！\n\n我们期待您的反馈和贡献，一起探索多智能体系统的无限可能！","2025-04-05T07:53:11",[106,116,124,132,140,153],{"id":107,"name":108,"github_repo":109,"description_zh":110,"stars":111,"difficulty_score":112,"last_commit_at":113,"category_tags":114,"status":61},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[59,115,60],"图像",{"id":117,"name":118,"github_repo":119,"description_zh":120,"stars":121,"difficulty_score":49,"last_commit_at":122,"category_tags":123,"status":61},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,"2026-04-05T11:33:21",[59,60,58],{"id":125,"name":126,"github_repo":127,"description_zh":128,"stars":129,"difficulty_score":49,"last_commit_at":130,"category_tags":131,"status":61},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[59,115,60],{"id":133,"name":134,"github_repo":135,"description_zh":136,"stars":137,"difficulty_score":49,"last_commit_at":138,"category_tags":139,"status":61},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[59,58],{"id":141,"name":142,"github_repo":143,"description_zh":144,"stars":145,"difficulty_score":49,"last_commit_at":146,"category_tags":147,"status":61},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[115,148,149,150,60,151,58,59,152],"数据工具","视频","插件","其他","音频",{"id":154,"name":155,"github_repo":156,"description_zh":157,"stars":158,"difficulty_score":112,"last_commit_at":159,"category_tags":160,"status":61},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[60,115,59,58,151]]