章节摘要:本章跟着一条线走——从"两个模型闲聊为什么会失控"出发,一路走到 CAMEL 的舞台全景:它是谁、台上站谁、手里有哪些道具、哪些戏适合这台剧场演。读完本章,你会得到一张双智能体剧场的全景平面图,并确认自己的任务值不值得开工。
主线从一个真实的开发现场开始:你想让大模型帮你"做一个股票交易机器人"。这个需求只有九个字,模糊、宏大、没法直接执行。你把它扔给单个模型,得到的要么是一篇泛泛而谈的方案文章,要么是一段假设了一百件事的伪代码。问题的根子不在模型不够聪明,而在没有人持续追问——真实世界里,模糊需求变成可交付物,靠的是甲方与乙方之间一轮一轮的拉扯:甲方把要求说得更具体,乙方交一版东西,甲方挑毛病,乙方返工。
CAMEL 的创办团队把这个日常现象做成了机制:让一个模型扮演甲方(AI 用户智能体),一个模型扮演乙方(AI 助理智能体),用精心设计的开场指令把双方钉死在角色上,然后让拉扯自动发生。这条主线——一句模糊需求,如何在两个角色的自动拉扯中变成完整交付物——会贯穿全册,本章先把舞台的四个角立起来。
本章三节,按"认识场地—认识道具—认识剧目类型"推进。
本章最重要的认知转折在 1.1 与 1.2 之间:双智能体系统的难点不是"让两个模型说话",而是"让它们说有效的话"。CAMEL 论文里最容易被略过的一句话是,角色扮演能让模型保持在任务轨道上的收益,全部来自开场设定——一旦开场含糊,后续几十轮对话只是把含糊放大。所以本章的落点是一句工程判断:先花七成精力立住角色与任务,再用三成精力管流程;顺序反了,后面全是救场。
另一条暗线也请记住:CAMEL 从立项起就是研究导向的框架,它附带的对话数据集、评估基准,价值不亚于框架本身。你在第 4 章会看到,一场对手戏稍加改造就能变成一条数据生产线——这正是它区别于聊天玩具的分量所在。
舞台立住了,但演员还不知道怎么演:AI 用户凭什么一条一条给出具体指令?AI 助理凭什么不跑题?凭什么它们不会在第三轮互相恭维起来?第 2 章进入后台,拆开那份看不见的剧本——角色扮演机制与启示式提示,这是全册技术含量最高的一章,也是你未来调参时动刀最多的地方。