斯坦福小镇 Generative Agents

在过去的文章中，我们深入探讨了斯坦福小镇项目“Generative Agents: Interactive Simulacra of Human Behavior”的各个方面，从基本原理到具体实

反思（reflect）是人格认知模块的核心部分，负责生成焦点、洞察和证据，并根据这些信息运行反思。它通过与 GPT 模型的交互来生成思想，并将这些思想保存到人格的记忆中，以便后续使用。

这篇文章分析 Generative Agents 中的 感知 Perceive 模块，是 Persona 类认知链的一环。

之前的文章已经介绍了整个源代码的基本流程，接下的分专题看一下各个模块的具体实现。首先来了解下和 LLM 的交互。

基于论文中提出的设计方案，项目作者开发了一个模拟游戏以进行验证。此前的文章已对代码编译的相关细节进行了介绍。今天我们将进一步深入探讨该实现的具体代码层面。 技术栈 主要代码基于 Python 实现 前

上一篇文章对项目的核心文件的功能做了单独介绍。接下来我们就具体看看各个模块的功能实现。这一篇先看前端环境模拟部分。 之前介绍编译运行的文章中提到，启动和常用功能大概有下面几项： 🚀 启动 enviro

经过之前的摸索学习，现在终于可以来看一下整个论文中描述的最核心的部分 reverie。 三个关键词： personas: generative agents，角色 associative memory

部署比较简单，参考 github 的说明做就可以。 1. 准备环境 2. 安装依赖 3. 启动环境 4. 启动模拟器

基础概念 第一个是记忆流（Memory Stream） ：一个长期记忆模块，以自然语言记录虚拟人个人经历的总列表。记忆检索模型会综合考虑事务的相关性、时序性和重要性的权重，在其中提取出所需的信息以指导