CAMEL-AI OWL部署测试

CAMEL-AI OWL部署和测试

今天测试第二个国内的Manus开源平替见github地址，OWL。之前测试了openManus见。

1.OWL简介

OWL（Optimized Workforce Learning）是 CAMEL-AI 团队开发的开源多智能体协作框架，旨在通过优化多智能体协作实现真实世界任务的自动化。作为国内的两个Manus的开源替换之一（另一个是openManus），它支持多个智能体之间的动态协作，通过角色分配和任务分解，让智能体能够高效地完成复杂任务。OWL 具有强大的任务自动化能力，包括文件解析、代码生成、网页操作、执行终端命令、自动生成任务清单等。此外，它还引入了记忆模块，能够存储和调用过往经验，提升任务执行效率。在 GAIA 基准测试中，OWL 以 58.18 的高分位居开源框架榜首，展现出卓越的性能。技术原理上，OWL 通过动态智能体交互实现高效的任务自动化，强调智能体之间的协作模式和通信协议，并基于 CAMEL-AI 框架开发，大语言模型（如 OpenAI 兼容模型）作为智能体的核心能力。应用场景方面，OWL 可以应用于多种复杂任务的自动化，如启动 Ubuntu 容器、模拟远程办公环境、执行终端命令、文件解析、网页爬取、自动生成任务清单、报告、代码和文档、操作浏览器和执行在线搜索等。安装与配置方面，OWL 提供了详细的安装指南，支持使用 Conda 或 venv 快速搭建运行环境，开发者可以通过配置 .env 文件，接入所需的 API 服务。未来规划上，CAMEL-AI 团队计划将 OWL 与此前开发的跨平台智能体 CRAB 技术相结合，进一步提升其应用范围和能力，有望直接控制手机和电脑上的应用，实现跨平台、多设备全场景远程操作。

2.OWL部署和测试

以往都是在Linux下，这次选择在Windows下试试。

• 创建虚环境：

conda create -n owl python=3.10
conda activate owl

• 克隆代码

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

• 安装

cd owl
pip install -e .

• 配置环境

cp owl/.env_template .env

用记事本打开.env 文件，在其中填入 API keys (如果只使用最小的例子 (run_mini.py), 只需要配置 LLM API key (e.g., OPENAI_API_KEY).)

github的教程是针对网上的API KEY，如果是本地使用Ollama部署的LLM，参考这个

在owl目录下写一个run_ollama.py，内容如下：

from camel.agents import ChatAgent
from camel.messages import BaseMessage
from camel.models import ModelFactory
from camel.types import ModelPlatformType

ollama_model = ModelFactory.create(
    model_platform=ModelPlatformType.OLLAMA,
    model_type="deepseek-r1:7b",
    url="http://localhost:11434/v1", # Optional
    model_config_dict={"temperature": 0.4},
)

agent_sys_msg = "You are my agent."

agent = ChatAgent(agent_sys_msg, model=ollama_model, token_limit=4096)

# 允许用户输入消息
user_msg = input("请输入需要交给OWL的任务：")  # 用户输入消息

assistant_response = agent.step(user_msg)
print(assistant_response.msg.content)

尝试一下：

成功调用，但是因为本地模型不能直接联网没有继续执行。试试不用本地模型，改为通义QWQ API KEY。

如果想使用更多的 CAMEL模型，参考文档

• 运行给的例子

python owl/run.py

OWL 支持不同的 LLM backends. 可以用不同的方式调用:

# Run with Qwen model
python owl/run_qwen.py

# Run with Deepseek model
python owl/run_deepseek.py

# Run with other OpenAI-compatible models
python owl/run_openai_compatiable_model.py

如果只是运行最小版本的用例，可以：

python owl/run_mini.py

• Web Interface

python run_app.py

在环境变量处配置LLM API KEY就可以执行任务了。

我让它总结一下今天的AI新闻，放在Word文档里：

实测一下，还是比较费Token的，而且如果遇到网站反爬之类的还会有问题，Manus没有用过没有发言权。至少对比了openManus和OWL，感觉这个是Agent的曙光，但是真的使用，速度慢，费用较高，还有很大提升改进空间，个人觉得至少在目前，全自动可能还不太好用，人机协同会更好。