LangChain实战课：CAMEL框架与AI角色扮演| 豆包MarsCode AI刷题

用户22669316705
229 阅读4分钟

LangChain实战课：CAMEL框架与AI角色扮演

大模型的成功很大程度上依赖于用户输入的质量，以引导生成准确且高质量的对话内容。如果用户能够详细描述任务需求，并与ChatGPT建立连贯的上下文，模型通常可以提供更精准的回答。然而，为模型提供这种详细的引导文本往往费时费力。

这就引发了一个关键问题：能否让ChatGPT自主生成这些引导文本？

基于此思路，阿卜杜拉国王科技大学（KAUST）的研究团队提出了一个名为CAMEL的框架。该框架利用多AI角色扮演的方式，通过代理间的交互合作完成复杂任务。

CAMEL框架概述

CAMEL（Communicative Agents for "Mind" Exploration of Large-Scale Language Model Society）是一个多代理交互框架。其名称由以下关键词的首字母组合而成：Communicative（交流） 、Agents（代理） 、Mind（心智） 、Exploration（探索）以及LLM（大语言模型） 。

image.png CAMEL的核心理念是通过角色扮演和启示式提示（Inception Prompting）来引导代理完成任务。框架特点包括：

  • 交流式代理：能够与人类或其他代理进行交互的计算程序。
  • 角色扮演：代理扮演特定角色以实现更高效的交互。
  • 启示式提示：通过初始提示明确任务目标，为后续代理间的自主合作奠定基础。

这种方法为研究多代理系统中的合作行为提供了可扩展的工具。

应用案例：股票交易场景设计

论文中提出了一个典型应用场景：开发一个具有情感分析能力的股票交易机器人。以下是任务分解及角色设定的过程：

  1. 用户角色：提供目标需求，例如“开发一个交易机器人”。

  2. 任务指定代理：根据模糊需求生成具体任务，例如“开发一个能分析社交媒体情绪并据此交易的机器人”。

  3. AI助手和AI用户角色：

    • AI助手：以“Python程序员”的身份为交易机器人开发代码。
    • AI用户：以“股票交易员”的身份为任务提供策略指导。

代理通过多轮对话合作完成任务，直到用户确认任务完成。

提示工程与角色设定

在CAMEL框架中，提示设计（Prompt Engineering）是关键步骤之一。通过明确的角色指令和任务定义，代理可以更高效地完成任务。以下是两种提示模板的核心思路：

  • AI Society：研究AI在多领域角色中的合作能力。
  • AI Code：研究AI在编程和技术任务中的应用能力。

提示工程包括：

  1. 任务明确提示：明确任务目标及角色职责。
  2. AI助手提示：指导助手如何响应任务指令。
  3. AI用户提示：指导用户如何提出有效的任务指令。

通过这些提示，代理能够在后续交互中自动进行高效的对话。

案例实战：易速鲜花营销策划

以下是基于“易速鲜花”场景的CAMEL框架应用示例。任务是为“夏季玫瑰之夜”制定营销活动策略。

1. 准备工作

设置API密钥并导入所需的库：

python
复制代码
import os
os.environ["OPENAI_API_KEY"] = 'Your Key'

from typing import List
from langchain.chat_models import ChatOpenAI
from langchain.prompts.chat import SystemMessagePromptTemplate, HumanMessagePromptTemplate
from langchain.schema import AIMessage, HumanMessage, SystemMessage, BaseMessage

2. 定义CAMELAgent类

CAMELAgent类用于管理语言模型的交互，支持对话消息的初始化、更新和响应生成：

python
复制代码
class CAMELAgent:
    ...

3. 任务指定与细化

通过任务指定代理将模糊的任务需求细化为具体目标：

python
复制代码
task_specifier_sys_msg = SystemMessage(content="你可以让任务更具体。")
task_specifier_prompt = """
这是一个{assistant_role_name}将帮助{user_role_name}完成的任务：{task}。
请使其更具体化。请用{word_limit}个或更少的词回复具体的任务。
"""
...
specified_task = task_specify_agent.step(task_specifier_msg).content

细化后的任务描述示例：

  • 原始任务：整理出一个夏季玫瑰之夜营销活动的策略。
  • 细化任务：为夏季玫瑰之夜策划主题装饰、特价活动、广告推广、娱乐活动及合作伙伴赞助方案。

4. 角色设定与提示模板

定义AI助手和AI用户的角色及初始提示：

python
复制代码
assistant_inception_prompt = """
永远不要忘记你是{assistant_role_name}，我是{user_role_name}...
"""
user_inception_prompt = """
永远不要忘记你是{user_role_name}，我是{assistant_role_name}...
"""

5. 多轮对话与任务完成

通过AI用户和AI助手的多轮对话完成营销策划任务：

python
复制代码
chat_turn_limit, n = 30, 0
while n < chat_turn_limit:
    ...
    if "<CAMEL_TASK_DONE>" in user_msg.content:
        break
avatar
文章
阅读
粉丝