当前位置:   article > 正文

AI大模型额外学习一:斯坦福AI西部世界小镇笔记(包括部署和源码分析)_斯坦福ai小镇

斯坦福ai小镇

github链接

一、简单介绍

①背景介绍
This repository accompanies our research paper titled “Generative Agents: Interactive Simulacra of Human Behavior.” It contains our core simulation module for generative agents—computational agents that simulate believable human behaviors—and their game environment.

②总体逻辑
让小镇的NPC自由交流、开party、生活有条不紊
在这里插入图片描述
③总结:
Ai会感知周边环境,并将视野里发生的事件记录下来,加入自己的记忆流。之后,不论是Ai计划要做的事,还是对外界的反应,都会受到这个记忆的影响,并依靠ChatGPT进行决策,最后决策的事件也会加入记忆流,形成新的记忆。让NPC具备记忆系统,并依靠大语言模型来帮助NPC做出行动决策

https://github.com/joonspk-research/generative_agents/tree/main
https://www.zhihu.com/question/425708656
https://github.com/joonspk-research/generative_agents/tree/main
https://github.com/search?q=generative-agents&type=repositories

1)项目代码介绍

①项目有后端服务器backend_server和前端服务器frontend_server
②storage会保存程序运行的记录信息

2)重新播放模拟

打开浏览器,输入

http://localhost:8000/replay/<simulation-name>/<starting-time_step>
  • 1

3)适当修改分叉模拟

在这里插入图片描述
这里的模拟是Isabella,scratch.json里面包括人物性格描述、居住地点、生活方式等,
spatial_memory.json里面还有房间布局等等

二、部署斯坦福小镇Demo

1)准备工作

①安装aneconda
②下载仓库代码

git clone https://github.com/joonspk-research/generative_agents.git

cd    generative_agents
  • 1
  • 2
  • 3

③用vscode打开generative_agents目录
在这里插入图片描述
④在reverie目录的backend_server下载创建文件utils.py文件,填入以下内容
在这里插入图片描述

# Copy and paste your OpenAI API 
Keyopenai_api_key ="<Your OpenAI API>"
# Put your name
key_owner = "<Name>"

maze assets loc ="../../enviroment/frontend_server/static_dirs/assets"
envircenv_matrix=f"{maze_assets_loc}/the_ville/matrix"
env_visuals =f"{maze assets loc}/the_ville/visuals"

fs_storage ="../../environment/frontend server/storage"
fs_temp_storage ="../../environment/frontend_server/temp_storage"

collision block id ="32125'

# Verbose
debug = True
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

⑤填入OPEN AI API Keys和秘钥的名字
在这里插入图片描述

⑥创建新conda环境

conda create -n genagents python=3.11.4

#激活新环境
conda activate genagents
  • 1
  • 2
  • 3
  • 4

2)解决遇到的bug

①pillow需要更新到最新的从8.4.0改到9.5.0
在这里插入图片描述

python -m pip install -r requirements.txt
  • 1

②打开backend_server目录下的reverie.py文件,跳转400行
在这里插入图片描述

curr_move_path=f"{sim_folder}/movement"
#If the folder doesn't exist, we create it
if not os.path.exists(curr_move_path):
	os.makedirs(curr_move_path)
  • 1
  • 2
  • 3
  • 4

3)启动服务器和前端

①切换到前端目录,然后运行脚本

cd environment/frontend_server
python   manage.py runserver
  • 1
  • 2

②打开浏览器,输入

1.7.0.0.1:8000
  • 1

在这里插入图片描述

有以上图片则表示启动成功

可以看到前端url的地址是

127.0.0.1:8000
  • 1

③启动新终端来开启服务器

cd generative_agents
conda activate genagents
cd reverie/backend_server

#准备开启服务器
python reverie.py
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

④回答要进入的分叉模拟(forked simulation):
现在是用现有的模板做三个代理(agent)

base_the_ville_sabella_maria_klaus
  • 1

在这里插入图片描述
接着命名这个分叉模拟,随意,就叫test
在这里插入图片描述
⑤先跑3步,注意这里的步数,如果跑太多,token消耗的次数越多,3步就几刀
就可看到输出:
在这里插入图片描述

三、源码剖析

1)主题顺序

  • 简短说明
    ①根据填入的演变次数,来决定循环的次数
    ②便利所有的agent,每个agent执行自己的plan函数,也就是每个人作为一个agent
    ③根据第二步拿到的计划,然后执行计划
    ④执行计划之后,先看初始地点有那些人,然后利用prompt去跟这些人互动相互交流,跟同地点的人互动之后再用prompt修改当前的做事计划,然后让别人知道我在干嘛
    ⑤然后根据之前的今日的计划安排把自己以往的记忆用prompt进行评分排序
    (比如做瑜伽重要,就排前面)
    ⑥根据自己的计划和这个地方的场所列表,用promopt对要去的地方打分,就可以去那个排名第一的地方了

  • 详细说明

①根据填入的演变次数,来决定循环的次数

for repeat in range(repeats):
	....
  • 1
  • 2

②便利所有的agent,每个agent执行自己的plan函数,也就是每个人作为一个agent

for agent in agents:
	agent.plan(global_time,prompt_meta)
  • 1
  • 2

而每个agent都是由每个人的名字、描述、初始出生地点(从simulation_config.json里面读取,team_people都是镇上的人)构造出来
在这里插入图片描述
而这个plan函数就是给OpenAI接口一个prompt,如下:
在这里插入图片描述
根据今天时间写下今天的每小时计划安排
③根据第二步拿到的计划,然后执行计划
在这里插入图片描述
④执行计划之后,先看初始地点有那些人,然后利用prompt去跟这些人互动相互交流,跟同地点的人互动之后再用prompt修改当前的做事计划,然后让别人知道我在干嘛
在这里插入图片描述
⑤然后根据之前的今日的计划安排把自己以往的记忆用prompt进行评分排序
(比如做瑜伽重要,就排前面)
在这里插入图片描述

⑥根据自己的计划和这个地方的场所列表,用promopt对要去的地方打分,就可以去那个排名第一的地方了
在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/小惠珠哦/article/detail/883154
推荐阅读
相关标签
  

闽ICP备14008679号