Phase 16: Multi-Agent & Swarms

产生性代理和新兴模拟

城市和地区的发展Smallville五个代理的沙箱,有三部分架构:memory stream其他国家reflection(该物体在自身流程中产生更高水平的合成),plan现在,我们需要一个小计划. 标志性的结果是情人节派对的出现:一个代理人种植了"想举办情人节派对",没有进一步编写剧本, 除显示,所有三个组件都需要可信度. 记录的故障是空间规范错误 (进入封闭的商店,共享单人浴室). 这就是2026年代理模拟和多代理社会评估的参考架构.

Type: Learn + Build

Languages: Python (stdlib)

Prerequisites: Phase 16 · 04 (Primitive Model), Phase 16 · 13 (Shared Memory)

Time: ~75 minutes

问题

大多数多代理系统是紧密编写的团队:规划者计划,编码码,审查员评论.这适用于明确的任务.它不捕捉到当代理人有记忆,优先事项和开放世界时产生的新兴,未编写的行为.研究,社会模拟和越来越多的游戏人工智能需要这种第二种.

斯摩尔维尔架构是其基准.直到2023年,最好的代理模拟是浅层脚本后者;之后,模式是开放世界中的生成代理的默认模式.如果你在2026年构建代理模拟,你要么使用Smolarville的三个组件,要么明确证明你为什么不这样.

概念

三个组成部分

Memory stream.每条条目都有时间,类型,描述 (自然语言) 和衍生的元数据:recency现在importance(经纪人自行评价1-10),relevance(与当前查询相似的可索数).

[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 tonight

记忆检索组合了三个分数:score = w_recency e^(-decay age) + w_importance importance + w_relevance cos_sim现在的提示.

Reflection.定期 (每一个N记忆或重要事件),代理从最近的记忆中生成更高级的合成.反思条目回到流中,像其他任何记忆一样可回收.这就是代理建立"理解"的方法.

Plan.首先,一个日级计划在大小的时间 ("去工作,和克劳斯吃晚饭").然后是小时级计划.然后是行动级计划.计划可修改:当观察与计划相矛盾时,代理重新规划受影响的部分.

为什么三者都重要 (摘除)

帕克等人运行了对观测,反思和计划的每一个减法.

没有observation代理忽略了背景,并以旧信念行动.
没有reflection代理人不能形成更高层次的信念; 相互作用保持浅.
没有plan行为变得反应噪音,目标消失.

人类评级的可信度分数是所有三项中最高的;

情人节的出现

一名代理人伊莎贝拉·罗德里格斯被种植为目标"希望在2月14日下午5点在霍布斯咖啡馆举行情人节派对".

伊莎贝拉的计划包括邀请人们.
每次邀请都会成为一个邻居记忆中的观察.
邻居的反思会让人们相信:"伊莎贝拉正在派对.
邻居的计划包括"参加2月14日的聚会".
邻居告诉邻居,邀请没有中央协调.
2月14日下午5点,几名特工在霍布斯咖啡馆聚会.

这是在技术意义上出现的:系统层面的行为 (一个党) 源于本地互动 (双边邀请+个人规划) 没有中央管弦乐器.

记录的故障模式

帕克等人明确记录:

Spatial norm errors.经纪人走进封闭的商店.经纪人试图使用同一个人用浴室.经纪人在不用于吃饭的房间里吃饭.模型不仅仅是从环境中推断社会-身体规范.
Memory overflow.实用补救方法:定期缩小记忆 (总结和剪辑) 和低重量的输入的衰退.
Reflection hallucination.缓解:在反射提示中包含源记忆ID,并在检索时验证.

这些是生产相关的故障模式:任何2026年代理模拟都继承它们.

执行三要素规则

Memory is append-only.修改是新的输入.
Importance scores are cheap.打电话给法师,在写作时给你一个10分的评分.
Retrieval is ranked, not filtered.结合分数的顶级k;不要使用硬式过器 (它们失去了语境).
Reflection runs periodically.触发器,未经处理的记忆重量的总量超过一个门 (例如150).
Plans are revisable.如果一个新的观察与一个计划相矛盾,只重建受影响的部分,而不是整个计划.

产品代理商在斯摩尔维尔以外

2024-2026年后的后续文献扩展了建筑:

Multi-agent social simulation for policy / market research.类似于小镇的种群模拟用户行为,以响应功能. 比A/B测试更快;准确性受到质疑.
NPC AI for games.随着小镇的代理人进行的角色扮演游戏,
Generative-agent evaluation benchmarks.而不是任务精度,测量量变得长期的行为可信性+一致性.

扩展交换组件 (存储存储存储器,检索增强反射,神经象征性计划),但保持三部分结构.

为什么这对多代理工程很重要

斯摩尔维尔是概念证明,当组件合合适时多代理出现是便宜的. 架构现在已经在开源模型上复制 (较小的LLM会轻松而不会急剧失去可信性).emergent social behavior任何需要的系统都能使用这种形状.tight task execution在此阶段使用了早期的监督者/角色/原始模式.

建立它

code/main.py通过脚本编写的代理政策 (没有真正的LLM) 实现了 stdlib Python 的三个组件.

MemoryStream仅添加日志,可检索最新/重要/相关性.
reflect(stream) 关于最近重要记忆的剧本反思.
plan(agent_state)基于当前信仰的日期和小时计划.
剧情:五名代理人. 代理人1开始于下午5点的投球派对.

运行:

python3 code/main.py

预期产量:点后点.到最后点,至少有3个代理人显示了他们的计划,然后他们聚集在聚会地点.单个种子产生了无任何管弦乐器的协调到达.

用它

outputs/skill-simulation-designer.md设计生成代理模拟:代理数量,记忆模式,反射序列,计划视界和评估指标.

运送它

生产模拟的规则:

Memory is the database.选择一个真正的商店 (向量DB, Postgres) 尺度. 内存的SDLB是为原型.
Log the retrieval trace.每次行动,记录驱动的最顶级记忆.这是你的调试能力.
Budget per-agent tokens.每个代理的每次检索+反射+计划是O(k) LLM电话.
Compact memory periodically.简单地摘要,并剪除重要小项.
Detect spatial / social norm violations建筑不会学到它们.

运动

跑步code/main.py确认3+代理在聚会上聚会. 增加代理到10.
现在,我们要把这些数据从"反思"中移除.
引入一个竞争的目标 ("克劳斯想在下午5点发表研究讲话"). 代理人是否分裂,或者一个目标是主导的?
增加空间限制:霍布斯咖啡馆最多可以容纳4个代理人.模拟手柄是否优雅地溢出,还是会碰到"单人浴室"失败模式?
阅读 Park et al. (arXiv:2304.03442) 第6节 (新兴行为实验). 确定一个行为不能在您的小型图中复制.您需要增强建筑的哪个组件?

关键词

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.

进一步阅读

Park et al. — Generative Agents: Interactive Simulacra of Human Behavior参考架构
UIST '23 paper page出版地点
Smallville code release参考Python实现
Hayes-Roth 1985 — A Blackboard Architecture for Control结构性记忆代理的先例

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.