git开源地址：GitHub - joonspk-research/generative_agents: Generative Agents: Interactive Simulacra of Human Behavior

论文地址：https://arxiv.org/abs/2304.03442

前言

最近很火的方向，利用GhatGPT的规划、对话、总结能力，让AI在预设的环境中自由生活。自由生成各种各样的剧情和对话。

地图资源

基于tile构建的沙盒世界，构建了由粗到细三层地域结构：

第一层：大区域，如酒吧、咖啡馆、学校、lisa的房子等；

第二层：屋内区域，如房子内的厨房、学校的图书馆等；

第三层：物品，如酒吧客座、学校教室黑板、屋子厨房内的冰箱等；

agent如何在环境中生活？

由树的根节点出发，由粗到细盘问大模型当前行为应该在哪个大区域中发生、在选定大区域的哪个屋内区域发生、对选定屋内区域的那个物品作用。直到找到最佳子地点，用传统的路径生成方法规划到达目的地的路线。

环境中的物品状态是受agent影响的，如agent睡觉的时候床是占用的，agent做了一顿早餐时候冰箱会变空。

用户可以通过自然语言重塑agent生活的环境，如让agent厨房着火、浴室漏水等。

每个agent维护者自己的物品树，随着agent的探索树节点不断变化。此外agent不是无所不知的，他们离开一个区域之后，树节点的更新暂停，当他们重新进入这个空间时，更新又会开始。 

主要方法

三大块核心组件：plan(规划能力)，memory(记忆流)，reflect(反思)

1. Plan

从粗到细规划：每日大致规划->每小时规划->每5分钟规划；

每日大致规划（给时间分块）：have a lunch at 12:00 pm, watch TV from 7 to 8 pm

每小时规划（逐小时）：根据每日大致规划，列出从0点到晚上睡觉11点之间每个时刻的计划；

每5分钟规划（分钟为单位）：划分的最小单位为5分钟，最细粒度任务拆解。

这种规划方法有CoT(chain of through)的意思在里面。不给GPT一下子上难度（直接规划每5分钟行程），而是引导它一步一步思考规划，制作出长期合理短期协调的计划。

agent每个time step采集周围的环境状况，构造prompt询问大模型是否对该状况做出反应，并从当前时间开始重新生成所有计划。 

2. Memory

记忆流模块是agent生成合理可信行为的关键。若没有记忆流模块，大语言模型会生成不依赖过往经历的行为，没法形成长期连贯的协作行为。

对大语言模型来说，如何处理大批量的时间和记忆一直是GPT系列的瓶颈。该论文的核心技术是保证模型综合和检索的是agent最相关的记忆片段，以减小数据流检索的压力。

具体方法

• 维护记忆流列表：每一项纪录了事件的创建时间和最新获取的时间。其中最基本最直接的记忆是agent观察到的现象，包括自己的行为、他人的行为、物品的状态。
• 筛选最相关的记忆：考虑时间、重要性、相关性
  • 时间：按照沙盒时间按0.995的delay因子衰减；
  • 重要性：每个事件在创建的同时，会让语言模型给出该事件的重要程度；
  • 相关性：利用语言模型生成每个事件的文字描述的embedding向量，然后计算请求和embedding向量的余弦相似度；

3. Reflect

反思过程是总结升华的过程，避免陷入简单生成模型的僵局。

论文中给了一个例子。如果问klaus他最想和谁一起聊天，若按照简单的观察记忆，他会选择他天天见面的大学舍友，但他们其实没有共同爱好。从内心的渴望出发，因为他对研究工作抱有极高的热情，他更愿意与有共同兴趣爱好的Maria一起聊天。

具体方法

当较新的事件列表的重要分数达到了150以上，启动反思机制。反思得到的结果作为一种memory放到记忆流中，激发agent从更高的层面总结记忆的规律，而不是只关注表面观察到的状态。

• 反思第一步：给大模型输入100条最新纪录，要求大模型给出3个高深的问题（这种向大模型问问题的方式也是很常见的引导大模型思考的方式）；用这些问题作为检索，获取每个问题最相关的memories；
• 反思第二步：要求大模型根据记忆流中的记录，给出5个高深见解，并用记忆中的记录举证这些见解；
• 反思第三步：将上面反思的结果，放进记忆流（加强重要的记忆）；

验证效果

用5个问题测试生成的agent是否足够可信：

1. 自我认知：如介绍一下自己，描述你一天的计划；
2. 记忆检索能力：谁是xxx，谁是市长？
3. 计划：你明天早上10点要做什么事情？
4. 反应能力：你的早餐烧起来了，这时你要做什么？
5. 反思能力：如果你要与一个最近遇到的人在一起，你希望和谁在一起，为什么？

在不同约束条件下（没有观察信息、没有计划、没有反思），测试agent的回答效果。

有一批人类同步在回答和给agent的答案打分，结果在观察、计划和反思的同时加持下效果最好：

现存问题

论文中指出，程序长时间运行后可能可以发现以下问题：

1. 地点选择错误：在知道附近有酒吧之后，会选择在酒吧吃午餐；
2. 地点的使用规则很难用语言传达给agent：agent会进入已经有人的浴室（也许可以改名为one-person bathroom），商店关门后还有人尝试进入；

经过代码复现，我感觉还有以下问题论文没有提到：

1. 多人任务之间协作性差：妈妈还在给孩子煮早餐，孩子已经出门上学了