عوامل تولید کننده و شبیه سازی جدید
Type: Learn + Build
Languages: Python (stdlib)
Prerequisites: Phase 16 · 04 (Primitive Model), Phase 16 · 13 (Shared Memory)
Time: ~75 minutes
مشکل
اکثر سیستم های چند عامل تیم های دقیق نوشته شده هستند: برنامه ریزی کننده برنامه ها، کد های کد، بررسی های بازرس. این برای وظایف مشخص کار می کند. این رفتار ناشناخته و ناشناخته ای را که زمانی ایجاد می شود که عوامل حافظه، اولویت ها و دنیای باز دارند، ضبط نمی کند. تحقیقات، شبیه سازی جامعه و به طور فزاینده ای بازی هوش مصنوعی نیاز به این نوع دوم دارند.
معماری اسمالویل معیار برای آن است. تا پارک 2023، بهترین شبیه سازی های عامل دنبال کننده های اسکریپت سطحی بودند؛ پس از آن، الگوی پیش فرض برای عوامل تولید کننده در دنیای باز است. اگر شما یک شبیه سازی عامل را در سال 2026 بسازید، یا از سه عنصر اسمالویل استفاده می کنید یا به طور صریح توجیه می کنید که چرا شما نیستید.
مفهوم
سه عنصر
Memory stream.یک دفترچه ی فقط به عنوان یک ضمیمه ی مشاهدات، اقدامات، بازتاب ها و برنامه ها. هر ورودی دارای یک مهر زمانی، یک نوع، یک توصیف (زبان طبیعی) و متاداتا مشتق است:recency،importance(به خود توسط آژانس 1-10 ارزیابی شده) وrelevance(مثل همشخصیت با سوال فعلی)
[2026-02-14 09:12:03] observation: Isabella Rodriguez asked me if I like jazz
[2026-02-14 09:14:22] reflection: I enjoy long conversations about music
[2026-02-14 10:05:00] plan: Attend Isabella's Valentine's Day party tonightبازیافت حافظه سه امتیاز را ترکیب می کند:score = w_recency e^(-decay age) + w_importance importance + w_relevance cos_sim. واردات بالا-ک وارد درخواست فعلی می شوند
Reflection.به طور دوره ای (هر N خاطرات یا در رویدادهای مهم) ، عامل ترکیبات درجه بالاتر از خاطرات اخیر تولید می کند. ورودی های بازتاب به جریان باز می گردند و مانند هر حافظه دیگر قابل بازیابی هستند. این نحوه ساخت "فهمی" است.
Plan.تجزیه از بالا به پایین. ابتدا یک برنامه سطح روز به شکل گسترده ("به کار بروید، با کلاوس شام بخورید") ، سپس برنامه های سطح ساعت. سپس برنامه های سطح عمل. برنامه ها قابل تجدید هستند: هنگامی که یک مشاهده با یک برنامه متناقض است، عامل بخش آسیب دیده را دوباره برنامه ریزی می کند.
چرا همه سه مورد مهم است (برخوردگی)
پارک و همکارانش از نظر مشاهده، بازتاب و برنامه ریزی، هر یک از آن ها را از بین می بردند. هر یک از آن ها به اعتبار آسیب می رساند:
- بدونobservationمامور از مواقعی که در آن قرار دارند غافل می شود و بر اساس باورهای قدیمی عمل می کند.
- بدونreflectionعامل نمی تواند عقاید درجه بالاتر را تشکیل دهد؛ تعاملات سطحی باقی می ماند.
- بدونplanرفتار به شور واکنش نشان می دهد، اهداف از بین می روند.
نمرات باورنکردنی از ارزیابی های انسانی با هر سه مورد بالاتر است؛ کاهش هر یک از آنها بازپسین قابل اندازه گیری را ایجاد می کند.
ظهور روز ولنتاین
یکی از ماموران، ایزابلا رودریگز، با هدف "می خواهد یک مهمانی روز عاشقانه در کافه هوبز در 14 فوریه در ساعت 5 شب برگزار کند". 24 مامور دیگر هیچ گونه دانه ای دریافت نمی کنند. در طول روزهای شبیه سازی:
- برنامه ای که ایزابلا داره شامل دعوت کردن مردم می شه
- هر دعوت به یک مشاهده در جریان حافظه همسایه تبدیل می شود.
- این تصویر همسایه باعث باور شدن: "یزابلا یک مهمانی می کند".
- نقشه همسایه شامل "حضور به مهموني در 14 فوریه" هست
- همسایه ها به همسایه های دیگه میگه دعوت بدون هماهنگی مرکزی پخش میشه
- ساعت پنج شب 14 فوریه چندتا مامور در کافه هابز جمع شدن
این در مفهوم فنی ظهور است: رفتار در سطح سیستم (یک حزب) از تعاملات محلی (دعوات دوجانبه + برنامه ریزی فردی) بدون یک گروه ساز مرکزی بوجود آمد.
حالت های شکست مستند شده
پارک و همکارانش به طور صریح مستند می کنند:
- Spatial norm errors.در این مدل، قوانین اجتماعی و فیزیکی تنها از محیط زیست نتیجه نمی گیرند. در این مدل، قوانین اجتماعی و فیزیکی فقط از محیط زیست است.
- Memory overflow.راه حل عملی: فشرده سازی دوره ای حافظه (جمع و تراش) و تخریب در ورودی های مهم کم.
- Reflection hallucination.بازتاب می تواند روابطی را که در جریان حافظه وجود ندارد اختراع کند. کاهش: شامل هویت حافظه منبع در پیام های بازتاب و تأیید در زمان بازیافت.
این حالت های شکست مربوط به تولید هستند: هر شبیه سازی عامل 2026 آنها را به ارث می برد.
قوانین اجرای سه عنصر
- Memory is append-only.هرگز يه يادداشت رو عوض نکن اصلاح ها يه يادداشت جديد هستن
- Importance scores are cheap.به استاد نامه زنگ بزن تا تا در زمان نوشتن، درجه 1-10 را به اندازه ي مهم تر بشنوه
- Retrieval is ranked, not filtered.با امتیاز ترکیب، از فیلترهای سخت استفاده نکنید (که زمینه را از دست می دهند).
- Reflection runs periodically.در حالی که مقدار اهمیت خاطرات غیر پردازش شده از یک حد عبور می کند (به عنوان مثال 150).
- Plans are revisable.وقتی یک مشاهده جدید با یک طرح متناقض باشد، فقط بخش آسیب دیده را بازسازی کنید، نه کل طرح.
عوامل تولید کننده خارج از اسمالویل
در سال های 2024 تا 2026، ادبیات پیگیری معماری را گسترش می دهد:
- Multi-agent social simulation for policy / market research.جمعیت های شبیه اسمالویل رفتار کاربران را در پاسخ به ویژگی ها شبیه سازی می کنند. سریعتر از آزمایش های A / B؛ دقت مورد بحث قرار می گیرد.
- NPC AI for games.بازی های نقشبرداری با ماموران اسمالویل به جای ماموریت های نوشته شده، داستان های تازه ای تولید می کنند.
- Generative-agent evaluation benchmarks.به جای دقت کار، متریک به اعتبار + همبستگی رفتار در طول مدت طولانی تبدیل می شود.
معماری مرجع است. تمدیدات اجزای تعویض (خزن متری برای حافظه، بازتاب افزایش یافته، برنامه نیوروسیمبولیک) اما ساختار سه بخش را حفظ می کند.
چرا این برای مهندسی چند عامل مهم است
اسمالویل اثبات مفهوم است که ظهور چند عامل ارزان است زمانی که اجزای درست است. معماری در حال حاضر در مدل های منبع باز (LLM های کوچکتر اعتبار خود را با زیبایی از دست می دهند، نه به شدت)emergent social behaviorهر سيستمي که نياز دارهtight task executionاستفاده از الگوهای نظارت / نقش / ابتدایی از اوایل این مرحله.
آن را بسازید
code/main.pyاین نمایشگر سه عنصر را در stdlib Python با سیاست های عامل اسکریپت (هیچ LLM واقعی) اجرا می کند. نمایشگر ظهور جشن ولنتاین را در نوع کوچک باز می کند:
MemoryStreamفقط به اشتراک گذاری یاداشت با بازیافت اخیر/ اهمیت/ مرتبطیت.reflect(stream)بازتاب نوشته شده بر خاطرات اخیر با اهمیت بالاplan(agent_state)برنامه های سطح روز و ساعت بر اساس باورهای فعلی.- سناریو: 5تا مامور، مامور 1 با "حزب 5 بعد از ظهر" شروع می شود.
راه رفتن:
python3 code/main.pyتولید انتظار می رود: ردیابی تک تک. در تک نهایی، حداقل 3 از 5 عامل حزب را در برنامه خود نشان می دهند و در محل حزب به هم می رسند. دانه تک تولید آمد هماهنگ بدون هیچ آرژانتری.
ازش استفاده کن
outputs/skill-simulation-designer.mdطراحی شبیه سازی عامل تولید کننده: تعداد عوامل، طرح حافظه، کادانس بازتاب، افق برنامه و متریک ارزیابی.
-باده
قوانین شبیه سازی تولید:
- Memory is the database.یک فروشگاه واقعی (وکتور DB، Postgres) را در مقیاس انتخاب کنید.
- Log the retrieval trace.براي هر عمل، خاطرات بالا رو ثبت کن که باعثش شد
- Budget per-agent tokens.هر نماینده به هر تکه برنامه + بازتاب + برنامه O(k) LLM تماس است. N عوامل × T تکه × تماس های هر تکه می تواند بودجه شما را کوچک کند.
- Compact memory periodically.خلاصه و کليد اطلاعات مهمي را جمع كنيد.
- Detect spatial / social norm violationsبه طور صریح. معماری آنها را یاد نمی گیرد.
تمرینات
- فرار کن
code/main.py. تایید کن 3+ مامور در مهموني همگير شدن . افزايش مامورها به 10 - مرحله بازتاب را حذف کنید رفتار چگونه است؟ نقشه به کشف آبلاسیون در پارک 2023
- هدف سیمی را معرفی کنید ("کلاوس می خواهد در ساعت ۵ بعد از ظهر سخنرانی تحقیقاتی کند"). آیا عوامل تقسیم می شوند یا یک هدف غالب می شود؟ چه چیزی آن را تعیین می کند؟
- محدودیت های فضایی اضافه کنید: کافه هابز حداکثر 4 عامل را نگه دارد. آیا دستی شبیه سازی با شکوفایی فرا می رسد یا به الگوی شکست " حمام تک فرد" می رسد؟
- پارک و همکاران را بخوانید (arXiv:2304.03442) بخش 6 (تجربات رفتار نوظهور). یک رفتار را شناسایی کنید که در کوچک شما قابل بازتولید نیست. کدام جزء معماری را باید بهبود بخشید؟
اصطلاحات کلیدی
| Term | What people say | What it actually means |
|---|---|---|
| Memory stream | "The agent's diary" | Append-only log of observations, actions, reflections, plans. |
| Recency | "How new is the memory" | Exponential-decay score by age. |
| Importance | "How much does the agent care" | Self-rated 1-10 at write time. Cached. |
| Relevance | "How related to the current query" | Cosine similarity (embedding-based). |
| Reflection | "Higher-order belief" | Synthesis generated from recent memories, re-ingested as a new memory. |
| Plan | "Day/hour/action decomposition" | Top-down plan tree. Revisable when observations contradict. |
| Smallville | "Park 2023's sandbox" | 25-agent simulation that produced the Valentine's Day emergence. |
| Believability | "The quality metric" | Human-rater score for whether behavior seems like a plausible agent. |
خواندن بیشتر
- Park et al. — Generative Agents: Interactive Simulacra of Human Behavior معماری مرجع
- UIST '23 paper page محل انتشار
- Smallville code release اجرای Python مرجع
- Hayes-Roth 1985 — A Blackboard Architecture for Control هنر قبلی برای عوامل حافظه ساختار یافته
This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.
Browse the complete course catalog or open this lesson on GitHub.