Generative agents 代码分析 感知

这篇文章分析 Generative Agents 中的 感知 Perceive 模块，是 Persona 类认知链 Perceive → Retrieve → Plan → Reflect → Execute 中的第一环。主要功能如下：

• 空间感知：识别角色周围可见的瓦片（tiles），并更新其空间记忆树。
• 事件感知：识别角色视野范围内正在发生的事件，并判断是否为新事件。
• 记忆存储：将新感知到的事件写入联想记忆（associative memory）。
• 重要性评分：通过 GPT 模型对事件进行“显著性”（poignancy）评分，用于后续行为决策。

主要函数详解

1. generate_poig_score

def generate_poig_score(persona, event_type, description):

• 作用：根据事件类型和描述，使用 GPT 模型计算事件的重要性分数。
• 逻辑：
  • 如果是空闲状态（如 "is idle"），返回固定值 1。
  • 如果是普通事件（event），调用 run_gpt_prompt_event_poignancy() 获取评分。
  • 如果是聊天事件（chat），调用 run_gpt_prompt_chat_poignancy() 获取评分。

2. perceive

输入：

1. persona: 当前角色实例。
2. maze: 地图实例，提供位置与事件信息。

输出：

ret_events: 一组感知到的新事件，每个事件是一个 <ConceptNode> 对象。

def perceive(persona, maze):

这是整个模块的核心函数，负责完成以下任务：

A. 空间感知

nearby_tiles = maze.get_nearby_tiles(persona.scratch.curr_tile, persona.scratch.vision_r)

• 获取当前角色视野范围内的所有瓦片。
• 更新角色的空间记忆树（s_mem.tree），记录世界、区域、场景、游戏对象等信息。

B. 事件感知

for tile in nearby_tiles:
  ...

• 遍历所有附近瓦片，收集其中的事件。
• 过滤掉重复事件（一个事件可能跨多个瓦片）。
• 根据距离排序，保留最近的 <att_bandwidth> 个事件。

C. 事件处理与记忆更新

latest_events = persona.a_mem.get_summarized_latest_events(...)
if p_event not in latest_events
    
# 调用 openai 模型能力 gpt_structure.py
event_embdding = get_embedding(deesc_embedding_in)

# 调用 openai 模型能力。Get event poignancy. 
event_poignancy = generate_poig_score(persona, 
                                            "event", 
                                            desc_embedding_in)   

chat_poignancy = generate_poig_score(persona, "chat", 
                                             persona.scratch.act_description)

# 调用 openai 模型能力 gpt_structure.py
def generate_poig_score(persona, event_type, description): 
  if "is idle" in description: 
    return 1

  if event_type == "event": 
    return run_gpt_prompt_event_poignancy(persona, description)[0]
  elif event_type == "chat": 
    return run_gpt_prompt_chat_poignancy(persona, 
                           persona.scratch.act_description)[0]

• 判断事件是否为新事件（不在最近记忆中）。
• 提取关键词、生成嵌入向量（embedding）、计算显著性评分。
• 若事件是角色自身的对话，则一并保存对话内容。

D. 记忆写入

persona.a_mem.add_chat(...)
persona.a_mem.add_event(...)

• 将新聊天/事件写入联想记忆。
• 更新角色临时记忆中的重要性阈值（importance_trigger_curr）。

---

设计亮点

多层级空间记忆

• 使用树状结构存储世界、区域、场景、物体，便于快速定位。
• 支持动态扩展，适用于复杂环境。

距离优先的注意力机制

• 使用 <att_bandwidth> 控制最大感知事件数。
• 优先感知距离近的事件，避免信息过载。

显著性评分机制

• 利用 GPT 模型评估事件重要性。
• 分别支持普通事件与聊天事件的评分模型。

记忆去重机制

• 使用集合（set()）过滤重复事件。
• 保证每次只处理真正的新事件。

关键参数说明

参数	描述
vision_r	角色视野半径（单位：tile）
att_bandwidth	最多感知的事件数量
retention	用于判断是否为新事件的时间窗口（步数）

这些参数控制角色的感知能力，可用于模拟不同性格或能力的角色。