agentsim
前言
这里是类斯坦福小镇项目agentsim的一个调研。主要目的是寻找行为树模式的氛围npc不够智能的解决方案。下面会先简单介绍下一些关键的类，然后再讲解流程。该项目有段时间没维护了，没法直接运行，有兴趣的可以修修，主要是openai接口版本的问题。
重点类与作用
这里我们简单阐述几个和llm相关的核心类
Prompts
prompt类作用是获取提示词,提示词目录如下
Actor
actor类代表每个npc，这里涉及了所有对llm回复的处理。react函数：是一个状态机，根据不同状态选择不同的提示词ask llm。
Agent
agent类是actor的基类，负责填充提示词
Tick
tick类，消息处理的第一环，负责状态转移 。parse_react函数：解析所有的react得到的llm回复，进行状态转移
主流程
主流程其实很简单register tick到来，走初始化逻辑。后续由common tick消息驱动状态转移，每个tick会依次 处理movings,chat, using, initted中uid对应的任务逻辑。
React system
React system比较复杂，核心函数为为**react **和 parse_react构成。后面，流程图比较难画且不方便理解。下面我们将通过描述过程的方式来帮助理解。主流程中我们可以清楚的看到，处理逻辑的核心是 movings，inited，chatted，using 这几个数组，下面留心下是什么时候添加进来的。
第一个tick
第一个tick往往是register tick，表示一个客户端的连接。这里初始化了一些游戏系统的资源，如npc模型，alan和ph这两个npc。然后将这两个npc的uid添加到inited数组中。
随后就是持续的common tick，开始驱动后续的状态转移。
第二个tick
上一个tick已经将alan和ph 这两个npc的uid注册到了inited数组中。在该tick中使用solve_init处理alan和ph。这里首先是** _qa_framework**，该函数获取提示词 qa_framework_question ，首先让llm根据用户的目标以及已有知识提出问题，再使用qa_framework_answer解决问题（目的是延迟模型的思考时间，提高模型处理问题的质量），最后获取提示词plan，让llm给出下一个plan作为result的newPlan字段存入，plan 的结构如下：
{
“building”: “…”, 需要我前往的建筑
“purpose” : “…” 目的是什么
}
接着调用parse_react，根据result进行状态转移，因为result中存在newPlan字段，则走newPlan分支。该分支下，如果当前位置和building不一样，这说明需要前往下一个building，所以这里需要通过navigate寻路，调用move将结果发送给客户端。注意无论，curlocation 和targetlocation是否相同都会添加该npc uid到movings队列中。
第三次tick
这里补充下，navigate寻路成功，会将path保存在对应npc model的path中。当send 客户端时，会将path清空。只要调用了move，就会将uid添加到movings数组中。
此时只有movings中有任务需要处理。slove_moving调用move，这时由于path为null，则走move的另外一个分支，即则设置result timetick-finishMoving，进行react，该状态时去llm获取行为act（使用提示词为act），npc能够进行的行为有三个 :(1)use:使用工具 （模拟工具使用）(2)chat:聊天 (3)expierence : 尝试经验中的行为action,下面是result的返回结果:
{
“action”: “use”,
“equipment” : “…”, 使用什么设备，如desk
“operation” : “…” 做什么？
}
{
“action”: “chat”,
“person” : “…”, 和谁聊天
“topic” : “…” 聊天的主题
}
{
“action”:“experience”,
“experienceID”:“…” 使用哪一次的经验
}
由于该tick是第一个行为，没有experience，所以，目前只会出现use 和chat这两种情况。和上一个tick相同
下面是react分支
use
如果是use，则调用use函数使用use提示词，模拟使用物品
{“continue_time” : “…”,
“result” : “…”,使用原因
“bought_thing” : “…”,
“amount” : “…”
}
{“continue_time” : “…”,
“result” : “…”, 使用原因
“earn” : “…”
}
Chat
如果是chat，则调用chat 让llm根据提示词开始一个话题
进行parse_react
use
如果是use，则使用navigate对该equipment进行寻路，如果找到path，则再次进行move，和上个tick一样，send客户端，清空model上的path。并将uid添加到using中
chat
如果是chat，则调用_execute_chat对当前两个npc，进行5轮chat （使用提示词为chat），将结果存放在npc的chats上，并将uid添加到chatted中
所以这一轮 movings中必定会有值。
第四次tick
这是和之前一样先处理movings中的任务，不同的是这里还要处理chatted/using中任务
上一轮为use
调用finish_using,设置状态为 timetick-finishUse，该状态调用_critic，进行评价（使用critic提示词），这里将根据上一轮中的act判断plan是否完成，llm返回结果如下:
{“result”: “success”/“fail”/“not_finished_yet”}
Success or failed
认为该plan已经有结果了，则调用_store_memory更新对people和building的impression。
{
“people”:{“person_name”:{“impression”:“xxx”,“newEpisodicMemory”:“xxx”}}
“buildings”:{“building_name”:{“impression”:“xxx”,“newEpisodicMemory”:“xxx”}}
}
如果为success，则需要将上一轮的所有act作为experience存储下来，将上一轮的acts和plan作为一个experience存储到 npc的experience map中。并将plan添加到plan_cache中表示以及完成的plans
not_finished_yet
清空所有act，然后调用_plan开始一个新的plan
上一轮为chat
则直接store_memory
Experience
最后我们看下当act 返回结果为experience的情况，如果act选择的是使用experience，我们根据id找到对应的experience中，再从experience中pop出一个act，并且设置flag为使用experience，注意这种情况和use走同一个逻辑，即走parse_react的use分支，不同的在use完毕后不会走critic流程，因为之前以及判断过了，执行完experience的所有act后，会开始一个新的plan
