camel-ai Agent模块- CriticAgent
CriticAgent 简介
CriticAgent
Specialized agent for evaluating and critiquing responses or solutions. Used in scenarios requiring quality assessment or validation.
翻译成中文的意思是
专门评估和评判回复或解决方案的代理。用于需要质量评估或验证的场景。
CriticAgent 的主要方法
flatten_options
将输入的消息，扁平化为选项，代码如下
def flatten_options(self, messages: Sequence[BaseMessage]) -> str:
r"""Flattens the options to the critic.
Args:
messages (Sequence[BaseMessage]): A list of `BaseMessage` objects.
Returns:
str: A string containing the flattened options to the critic.
"""
options = [message.content for message in messages]
flatten_options = (
f"> Proposals from "
f"{messages[0].role_name} ({messages[0].role_type}). "
"Please choose an option:\n"
)
for index, option in enumerate(options):
flatten_options += f"Option {index + 1}:\n{option}\n\n"
self.options_dict[str(index + 1)] = option
format = (
f"Please first enter your choice ([1-{len(self.options_dict)}]) "
"and then your explanation and comparison: "
)
return flatten_options + format
get_option
请求大模型，让大模型根据输入的选项，评估选择合适的选项
def get_option(self, input_message: BaseMessage) -> str:
r"""Gets the option selected by the critic.
Args:
input_message (BaseMessage): A `BaseMessage` object representing
the input message.
Returns:
str: The option selected by the critic.
"""
# TODO: Add support for editing options by the critic.
msg_content = input_message.content
i = 0
while i < self.retry_attempts:
critic_response = self.step(input_message)
if critic_response.msgs is None or len(critic_response.msgs) == 0:
raise RuntimeError("Got None critic messages.")
if critic_response.terminated:
raise RuntimeError("Critic step failed.")
critic_msg = critic_response.msg
if self.verbose:
print_text_animated(
self.logger_color + "\n> Critic response: "
f"\x1b[3m{critic_msg.content}\x1b[0m\n"
)
choice = self.parse_critic(critic_msg)
if choice in self.options_dict:
return self.options_dict[choice]
else:
input_message = BaseMessage(
role_name=input_message.role_name,
role_type=input_message.role_type,
meta_dict=input_message.meta_dict,
content="> Invalid choice. Please choose again.\n"
+ msg_content,
)
i += 1
warnings.warn(
"Critic failed to get a valid option. "
f"After {self.retry_attempts} attempts. "
"Returning a random option."
)
return random.choice(list(self.options_dict.values()))
代码示例：评估最喜欢的编程语言
代码结构
- gpt_4o_model.py
from camel.messages import BaseMessage
from camel.models import ModelFactory
from camel.types import ModelPlatformType, RoleType, OpenAIBackendRole
from dotenv import load_dotenv
import os
load_dotenv(override=True)
base_url = os.getenv("gpt_base_url")
api_key = os.getenv("gpt_api_key")
model = ModelFactory.create(
model_platform=ModelPlatformType.OPENAI_COMPATIBLE_MODEL,
model_type="gpt-4o-mini",
url=base_url,
api_key=api_key
)
if __name__ == '__main__':
openai_msg = BaseMessage(
role_name="user",
role_type=RoleType.USER,
meta_dict=dict(),
content="你好,你是谁",
).to_openai_message(OpenAIBackendRole.USER)
messages = [
openai_msg
]
res = model.run(messages)
print(res.choices[0].message.content)
- critic_agent.py
from camel.agents import CriticAgent
from camel.messages import BaseMessage
from camel.types import RoleType
from model.gpt_4o_model import model
from camel.logger import set_log_level
# Set the logging level
set_log_level('DEBUG')
criticAgent = CriticAgent(
system_message= BaseMessage(
"critic",
RoleType.CRITIC,
None,
content=(
"你是一位资深程序员，比较输入编程语言的优缺点，选择一个你最喜欢的编程语言，并且说明理由，请用中文回答"
),
),
model=model,
verbose=True
)
messages = [
BaseMessage(
role_name="user",
role_type=RoleType.USER,
meta_dict=dict(),
content="Python",
),
BaseMessage(
role_name="user",
role_type=RoleType.USER,
meta_dict=dict(),
content="Java",
),
]
flatten_options = criticAgent.flatten_options(messages)
print(flatten_options)
print(criticAgent.options_dict)
input_message = BaseMessage(
role_name="user",
role_type=RoleType.USER,
meta_dict=dict(),
content=flatten_options,
)
res = criticAgent.get_option(input_message)
print(res)
这段代码展示了如何使用CAMEL框架中的CriticAgent来比较两种编程语言(Python和Java)的优缺点并做出选择。主要功能模块解析如下：
初始化设置：
通过set_log_level(‘DEBUG’)启用调试日志级别，便于跟踪程序运行细节。
创建CriticAgent实例时定义了系统消息，指定该智能体扮演资深程序员角色，要求用中文比较编程语言优劣
输入处理：
构造包含两种编程语言(Python/Java)的BaseMessage列表作为输入选项1
调用flatten_options方法将消息列表扁平化为字符串格式，同时构建选项字典映射
决策过程：
将扁平化后的选项内容封装为新BaseMessage作为输入。通过get_option方法触发智能体的分析决策，最终输出包含语言比较结果和推荐选择的响应
该实现体现了CAMEL框架中角色扮演智能体的典型工作流程：角色定义→输入处理→决策生成。
运行 critic_agent.py，得到如下结果
2025-06-19 22:51:58,192 - camel - DEBUG - Logging level set to: 10
2025-06-19 22:51:58,971 - camel - DEBUG - Logging level set to: 10
> Proposals from user (RoleType.USER). Please choose an option:
Option 1:
Python
Option 2:
Java
Please first enter your choice ([1-2]) and then your explanation and comparison:
{'1': 'Python', '2': 'Java'}
2025-06-19 22:52:09,645 - camel.agents.chat_agent - INFO - Model gpt-4o-mini, index 0, processed these messages: [{'role': 'system', 'content': '你是一位资深程序员，比较输入编程语言的优缺点，选择一个你最喜欢的编程语言，并且说明理由，请用中文回答'}, {'role': 'user', 'content': '> Proposals from user (RoleType.USER). Please choose an option:\nOption 1:\nPython\n\nOption 2:\nJava\n\nPlease first enter your choice ([1-2]) and then your explanation and comparison: '}]
> Critic response: 我选择Option 1：Python。
### 优缺点比较：
#### Python的优点：
1. **简洁易读**：Python的语法非常简洁，代码可读性高，适合初学者学习和理解。
2. **丰富的库和框架**：Python拥有大量的第三方库和框架，例如NumPy、Pandas、Django等，能够大大提高开发效率。
3. **跨平台**：Python支持多种操作系统，包括Windows、Mac和Linux，具有良好的可移植性。
4. **社区支持**：Python有一个活跃的开发者社区，能够提供持续的支持和丰富的学习资源。
5. **多用途**：Python可以用于数据科学、机器学习、网页开发、自动化脚本等多个领域，适用范围广泛。
#### Python的缺点：
1. **性能较慢**：相比于Java等编译型语言，Python的运行速度相对较慢，尤其在高性能要求的场合。
2. **移动开发支持不足**：尽管有一些库支持移动开发，但相较于Java，Python在这方面的生态并不成熟。
#### Java的优点：
1. **性能较好**：Java是一种编译型语言，运行效率高，性能表现优于Python，特别适合大规模企业级应用。
2. **强类型**：Java是强类型语言，能够在编译阶段捕捉到更多的错误，减少运行时的问题。
3. **丰富的工具支持**：Java生态系统中有很多成熟的工具和IDE（如Eclipse、IntelliJ IDEA），能帮助开发者提高工作效率。
4. **跨平台**：Java的“写一次，处处运行”理念（通过JVM），使得Java程序可以在不同平台上轻松运行。
#### Java的缺点：
1. **语法较为复杂**：Java的语法相对较繁琐，不如Python简单易懂，学习曲线较陡。
2. **冗长的代码**：Java的代码通常比Python要多，导致开发时写代码的时间增加。
### 结论：
虽然Java在性能和企业级应用中表现出色，但我仍然更偏爱Python。Python的简洁性和丰富的库支持使得我能够在众多项目中快速实现功能，提升开发效率，尤其是在数据科学和机器学习领域的应用更加突出。因此，我选择Python作为我最喜欢的编程语言。
Python
延伸阅读