OWL：多智能体协作完成现实任务的自动化工具

综合介绍

OWL（Optimized Workforce Learning）是由 CAMEL-AI 团队开发的一个开源框架，专注于优化多智能体协作以实现真实世界任务的自动化。基于 CAMEL-AI 架构，OWL通过动态的智能体交互提升任务处理的自然性、效率和鲁棒性。在GAIA基准测试中，OWL取得58.18的平均分，位列开源框架第一。该项目于2025年3月7日正式开源，代码托管于GitHub（https://github.com/camel-ai/owl），提供详细文档和示例，旨在推动AI研究与实际应用的结合，适用于学术探索和任务自动化场景。

中文圈最可悲之处在于作为信息传播源头，他们从不介绍 CAMEL-AI 和 AGENTGPT ，反而对类似于 Manus 的 OWL 很感兴趣。有些产品商业化会促进科技进步，有些却不行。

功能列表

• 实时信息检索：支持通过Wikipedia、Google Search等在线资源获取最新信息。
• 多模态处理：能够处理网络或本地的视频、图片和音频数据。
• 浏览器自动化：基于Playwright框架，支持模拟浏览器操作，如滚动、点击、输入和下载。
• 文档解析：提取Word、Excel、PDF和PowerPoint文件内容，并转为文本或Markdown格式。
• 代码执行：支持编写和运行Python代码，通过解释器完成任务。
• 多智能体协作：多个AI智能体动态交互，协同完成复杂任务。

使用帮助

安装流程

OWL是一个开源项目，用户需从GitHub下载源码并配置运行环境。以下是详细安装步骤：

1. 克隆仓库
   在终端输入以下命令获取OWL源码：

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

2. 设置环境

• 推荐使用Conda：

  conda create -n owl python=3.11
  conda activate owl
  

• 替代方案使用venv：

  python -m venv owl_env
  

  • Windows系统激活：

    owl_env\Scripts\activate
    

  • Unix或MacOS系统激活：

    source owl_env/bin/activate
    

3. 安装依赖
   在激活环境后，运行以下命令安装依赖：

python -m pip install -r requirements.txt
playwright install

注：playwright install用于安装浏览器自动化所需的组件。

4. 配置环境变量
   OWL需配置API密钥以使用外部服务（如OpenAI模型）。操作步骤如下：

• 复制模板文件：

  cp .env_template .env
  

• 编辑.env文件，填入API密钥，例如：

  OPENAI_API_KEY=your_openai_key
  

• 获取密钥指引：参考owl/.env_template中列出的服务注册网址。
• 更多模型支持：可查阅CAMEL模型文档（https://docs.camel-ai.org/key_modules/models.html）。
  注意：官方推荐使用OpenAI模型以获得最佳性能，其他模型在复杂任务中表现可能较差。

5. 验证安装
   运行以下命令测试环境：

python owl/run.py

若控制台输出正常信息，则安装成功。

主要功能操作流程

1. 运行基础示例

OWL提供了一个最小化示例脚本run.py，直接运行即可体验：

• 在终端输入：

python owl/run.py

• 输出：控制台将显示默认任务的运行结果。

2. 自定义任务

用户可通过修改run.py脚本运行自定义任务：

• 编辑脚本：打开run.py，修改任务描述，例如：

question = "查询苹果公司最新的股票价格。"
society = construct_society(question)
answer, chat_history, token_count = run_society(society)
logger.success(f"Answer: {answer}")

• 运行脚本：

  python owl/run.py
  

• 结果查看：控制台将输出股票价格信息。
• 其他示例任务：
  • "分析最近关于气候变化的推文情感"
  • "帮我调试这段Python代码：[代码内容]"
  • "总结这篇研究论文要点：[论文URL]"

3. 浏览器自动化操作

OWL支持通过Playwright实现浏览器交互，例如爬取网页：

• 示例脚本：创建一个文件（如web_task.py）：

  from owl.agents import BrowserAgent
  agent = BrowserAgent()
  agent.navigate("https://example.com")
  content = agent.get_content()
  print(content)
  

• 运行脚本：

  python web_task.py
  

• 结果：输出网页的文本内容。
• 支持操作：滚动、点击、输入、下载等，具体API参考官方文档。

4. 文档解析与多模态处理

• 解析文档：将本地文件（如sample.pdf）放入owl目录，运行以下代码：

  from owl.utils import parse_document
  text = parse_document("sample.pdf")
  print(text)
  

• 处理视频：支持分析本地或网络视频，例如：

  from owl.multimodal import process_video
  result = process_video("https://example.com/video.mp4")
  print(result)
  

特色功能操作

实时信息检索

• 操作步骤：在任务描述中指定信息来源，例如：

  question = "从Wikipedia获取人工智能的最新定义。"
  society = construct_society(question)
  answer, chat_history, token_count = run_society(society)
  print(answer)
  

• 结果：返回Wikipedia上的最新内容。

GAIA基准测试复现

• 运行测试：使用提供的脚本复现GAIA结果：

  python run_gaia_roleplaying.py
  

• 结果查看：输出各任务得分，验证OWL在基准测试中的表现（平均分58.18）。

使用注意事项

• 系统需安装Git和Python 3.11+。
• 运行大规模任务时，建议使用高性能设备并确保网络稳定。
• 若Chrome浏览器窗口空白但控制台有输出，这是正常现象，仅当任务需要浏览器交互时才会激活窗口。