AI大模型额外学习一：斯坦福AI西部世界小镇笔记（包括部署和源码分析）

文章目录

一、简单介绍

①背景介绍
This repository accompanies our research paper titled “Generative Agents: Interactive Simulacra of Human Behavior.” It contains our core simulation module for generative agents—computational agents that simulate believable human behaviors—and their game environment.

②总体逻辑
让小镇的NPC自由交流、开party、生活有条不紊
在这里插入图片描述
③总结：
Ai会感知周边环境，并将视野里发生的事件记录下来，加入自己的记忆流。之后，不论是Ai计划要做的事，还是对外界的反应，都会受到这个记忆的影响，并依靠ChatGPT进行决策，最后决策的事件也会加入记忆流，形成新的记忆。让NPC具备记忆系统，并依靠大语言模型来帮助NPC做出行动决策

https://github.com/joonspk-research/generative_agents/tree/main
https://www.zhihu.com/question/425708656
https://github.com/joonspk-research/generative_agents/tree/main
https://github.com/search?q=generative-agents&type=repositories

1）项目代码介绍

①项目有后端服务器backend_server和前端服务器frontend_server
②storage会保存程序运行的记录信息

2）重新播放模拟

打开浏览器，输入

http://localhost:8000/replay/<simulation-name>/<starting-time_step>

3）适当修改分叉模拟

在这里插入图片描述
这里的模拟是Isabella，scratch.json里面包括人物性格描述、居住地点、生活方式等，
spatial_memory.json里面还有房间布局等等

二、部署斯坦福小镇Demo

1）准备工作

①安装aneconda
②下载仓库代码

git clone https://github.com/joonspk-research/generative_agents.git

cd    generative_agents

③用vscode打开generative_agents目录
在这里插入图片描述
④在reverie目录的backend_server下载创建文件utils.py文件，填入以下内容

# Copy and paste your OpenAI API 
Keyopenai_api_key ="<Your OpenAI API>"
# Put your name
key_owner = "<Name>"

maze assets loc ="../../enviroment/frontend_server/static_dirs/assets"
envircenv_matrix=f"{maze_assets_loc}/the_ville/matrix"
env_visuals =f"{maze assets loc}/the_ville/visuals"

fs_storage ="../../environment/frontend server/storage"
fs_temp_storage ="../../environment/frontend_server/temp_storage"

collision block id ="32125'

# Verbose
debug = True

⑤填入OPEN AI API Keys和秘钥的名字
在这里插入图片描述

⑥创建新conda环境

conda create -n genagents python=3.11.4

#激活新环境
conda activate genagents

2）解决遇到的bug

①pillow需要更新到最新的从8.4.0改到9.5.0
在这里插入图片描述

python -m pip install -r requirements.txt

②AI小镇运行在本机运行起来后，你看不到AI小人在移动
打开backend_server目录下的reverie.py文件，跳转400行
在这里插入图片描述

curr_move_path=f"{sim_folder}/movement"
#If the folder doesn't exist, we create it
if not os.path.exists(curr_move_path):
	os.makedirs(curr_move_path)

③若Django不是配置需求的2.2
Django模板中的’staticfiles’标签。在Django 3.0以后，'staticfiles’标签已经被弃用，你应该使用’static’标签来代替。你需要在你的模板文件中把所有的 {% load staticfiles %} 或 {% load admin_static %} 改为 {% load static %}。

如果你在你的项目中使用了许多模板，并且它们都使用了’staticfiles’或’admin_static’标签，那么手动一个个修改可能会很繁琐。这种情况下，你可以在项目的根目录下使用以下命令来自动替换：

grep -rl '{% load staticfiles %}' . | xargs sed -i 's/{% load staticfiles %}/{% load static %}/g'
grep -rl '{% load admin_static %}' . | xargs sed -i 's/{% load admin_static %}/{% load static %}/g'

这两条命令会在你的项目中找到所有包含 {% load staticfiles %} 和 {% load admin_static %} 的文件，并将它们替换为 {% load static %}。

3）启动服务器和前端

①切换到前端目录，然后运行脚本

cd environment/frontend_server
python   manage.py runserver

②打开浏览器，输入

1.7.0.0.1:8000

在这里插入图片描述

有以上图片则表示启动成功

可以看到前端url的地址是

127.0.0.1:8000

③启动新终端来开启服务器

cd generative_agents
conda activate genagents
cd reverie/backend_server

#准备开启仿真服务器
python reverie.py

④回答要进入的分叉模拟（forked simulation）：
现在是用现有的模板做三个代理（agent）

base_the_ville_sabella_maria_klaus

在这里插入图片描述
接着命名这个分叉模拟，随意，就叫test，这个test目录会存放这次模拟的数据信息

⑤先跑3步，注意这里的步数，如果跑太多，token消耗的次数越多，3步就几刀
就可看到输出：

三、源码剖析

1）主题顺序

简短说明
①根据填入的演变次数，来决定循环的次数
②便利所有的agent，每个agent执行自己的plan函数，也就是每个人作为一个agent
③根据第二步拿到的计划，然后执行计划
④执行计划之后，先看初始地点有那些人，然后利用prompt去跟这些人互动相互交流，跟同地点的人互动之后再用prompt修改当前的做事计划，然后让别人知道我在干嘛
⑤然后根据之前的今日的计划安排把自己以往的记忆用prompt进行评分排序
（比如做瑜伽重要，就排前面）
⑥根据自己的计划和这个地方的场所列表，用promopt对要去的地方打分，就可以去那个排名第一的地方了
详细说明

①根据填入的演变次数，来决定循环的次数

for repeat in range(repeats):
	....

②便利所有的agent，每个agent执行自己的plan函数，也就是每个人作为一个agent

for agent in agents:
	agent.plan(global_time,prompt_meta)

而每个agent都是由每个人的名字、描述、初始出生地点（从simulation_config.json里面读取，team_people都是镇上的人）构造出来
在这里插入图片描述
而这个plan函数就是给OpenAI接口一个prompt，如下：

根据今天时间写下今天的每小时计划安排
③根据第二步拿到的计划，然后执行计划

④执行计划之后，先看初始地点有那些人，然后利用prompt去跟这些人互动相互交流，跟同地点的人互动之后再用prompt修改当前的做事计划，然后让别人知道我在干嘛
在这里插入图片描述
⑤然后根据之前的今日的计划安排把自己以往的记忆用prompt进行评分排序
（比如做瑜伽重要，就排前面）

⑥根据自己的计划和这个地方的场所列表，用promopt对要去的地方打分，就可以去那个排名第一的地方了
在这里插入图片描述

四、总结分析

1）缺点

①消耗token比较多，跑3步就几刀了（官方模板三个agent）
②在实用环境中agent需要实时对当前发生的事情做出反应，但是这是绝对不可能的，从perceive到execute调用的链路极长，且不说真实环境需要感知无数复杂对象，就仅仅感知一个重要对象到执行反应往短了说也需要几分钟的时间，这在应用中是灾难性的

2）太吾绘卷是怎么做的(根据年龄去驱动)

根据年龄驱动
① 0-5岁：被动期或跟随期，这个时期的NPC会被动跟随父母，父母在哪里，NPC就在哪里，优先级为母亲>父亲>师傅，跟随期NPC不会和其他NPC交流互动事件，但是可以被动接受父母师傅的送礼/指点；若没有义/亲父母，则有唯一主动交流事件，就可以拜义父母，然后进入跟随期
②6-14岁：半主动期或归属地期，还跟随父母或师傅在外地的，会自动回到本门派、城市，然后以归属地为中心(十格范围)主动活动吗，他们会主动学习，与人交友、谈恋爱、结仇、指点、治疗、送礼、偷窃、挖坟等
③15-逝世：主动期或瞎跑期。NPC会因为思念某人跑去拜访，会给人上坟，会寻找某人报仇，会决心追随某人而去，可以找对象结婚
特殊情况
①太吾村民不会乱动