Generative Agents 人类行为模拟
用本地可运行模型模拟《龙与地下城》小镇中的类人行为。
- Star 数
- ★ 993
- 最近更新
- 1 年前
- License
- MIT
- 主语言
- Jupyter Notebook
- FA 评分
- 16/100 · 缺口较多
30 秒速览
- 可在哪里用
- 通用 · 跨平台
- 开始前需要
- 典型场景
- 拥有本地 GPU 的研究者，希望运行一个与《Generative Agents》论文所述模型类型相关的实现。
- 主要局限
- 最佳体验需要 16GB VRAM；虽声明支持低于 8GB VRAM 的环境，但未说明性能或功能差异。
这个 Agent 能做什么，适合哪些场景？
这是一个用于复现《Generative Agents: Interactive Simulacra of Human Behavior》所述模型类型的工作实现。项目以 Notebook 形式发布，可在本地运行，也可在 Google Colab 中运行；本地运行时推荐 JupyterLab。稳定版本位于 notebook/Release，包含最新功能的进行中版本位于 notebook/WIP，另有 game_simulation 下的进行中库。当前模型模拟《龙与地下城》第五版入门冒险中的凡达林小镇，该设定比原论文中的简单场景更开放。项目选择低参数、可本地运行的模型，以降低高质量指令模型及大量长上下文查询带来的成本，但材料也明确预计下一代指令微调模型会带来更好的表现。
用户从 notebook/Release 或 notebook/WIP 选择 Notebook，在本地或 Google Colab 中运行。运行的模型执行凡达林小镇的模拟，目标是呈现论文所描述类型的类人行为模拟。game_simulation 提供一个标为 WIP 的库。所给材料未说明具体 Notebook 文件名、输入数据、提示词、模型调用、执行单元顺序或输出文件，因此这些端到端细节无法核实。
- 拥有本地 GPU 的研究者，希望运行一个与《Generative Agents》论文所述模型类型相关的实现。
- 希望在 Google Colab 中试运行 Notebook、而非自行部署服务的实验者。
- 需要在凡达林这一较开放的《龙与地下城》第五版入门冒险场景中研究模拟行为的原型开发者。
- 希望优先采用较稳定版本，并在需要新功能时对比 notebook/Release 与 notebook/WIP 的用户。
- 受高质量指令模型和长上下文查询成本限制、希望尝试低参数本地模型路线的实验团队。
如何安装或部署这个 Agent？
未提供可复制的安装命令、依赖清单、模型获取方式、环境版本或凭据要求。已明确的运行边界是：Notebook 可在本地或 Google Colab 中运行；本地运行推荐 JupyterLab；材料称 Notebook 应可在 Google Colab 中直接工作。要完成可复现安装，仍缺少具体 Notebook 文件名、依赖安装步骤、模型文件来源和首个运行流程。
如何使用这个 Agent？
选择 notebook/Release 中标为最稳定的模型，或选择 notebook/WIP 中的最新功能版本；在本地 JupyterLab 或 Google Colab 中打开并运行相应 Notebook。项目还提供 game_simulation 下的 WIP 库。材料没有记录首个应运行的 Notebook、命令、参数或单元执行顺序，无法提供经证实的更具体调用步骤。
这个 Agent 有哪些优点和局限？
- 提供本地运行与 Google Colab 两种明确的 Notebook 运行方式。
- 将稳定版本、功能开发中的 Notebook 版本和 WIP 库分置于 notebook/Release、notebook/WIP 与 game_simulation。
- 采用凡达林这一比原论文简单场景更自由的《龙与地下城》设定。
- 明确以低参数、可本地运行模型来应对高质量指令模型和长上下文查询的成本。
- 最佳体验需要 16GB VRAM；虽声明支持低于 8GB VRAM 的环境，但未说明性能或功能差异。
- 没有提供安装命令、依赖版本、模型下载方式、凭据要求或 Notebook 的具体执行顺序。
- 材料承认当前低参数本地模型的表现仍有提升空间，并预期未来指令微调模型会表现更好。
- 没有可核实的 API、CLI、评测结果、输出格式或生产部署接口说明。
这个 Agent 与同类方案有什么区别？
材料将该项目与论文中依赖高质量指令模型（例如 GPT-3）且需要许多长上下文查询的方案形成对照：本项目改用低参数、可本地运行模型以降低运行成本。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|
| Generative Agents 人类行为模拟 当前 | 16 · 缺口较多 | ★ 993 | 1 年前 | Jupyter Notebook | — |
| Concordia: 生成式社会模拟库 | 39 · 缺口较多 | ★ 1.7k | 9 天前 | Python | — |
| Principia | 66 · 存在缺口 | ★ 840 | 8 天前 | Rich Text Format | — |
| EDSL（Expected Parrot 领域特定语言） | 63 · 存在缺口 | ★ 497 | 5 天前 | Python | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示仓库未提供权限管理、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚或来源归属的说明。因此所有信任标准得分为0。
自一致性：README描述为工作实现，但未提供测试或验证，仅部分支持。依赖可用性：未列出依赖或版本，无法评估。失败消息：未提供错误处理或失败消息。
受众与场景：面向研究人员和爱好者，场景为D&D小镇模拟。能力边界：说明使用低参数模型，但未明确边界。触发精度：未定义触发机制。环境适配：提及本地和Colab，但未提供具体配置。
信息架构：有README和目录结构，但未提供详细文档。安装说明：提供基本设置，但未提供详细步骤。命名稳定性：未提及。示例与FAQ：无。已知限制：有局限性说明。许可证：MIT许可证，但版权信息不完整。版本与变更日志：无。维护责任：未明确。
输出可用性：描述为工作实现，但未提供输出示例。边际价值：提供低成本本地运行方案，但未与现有方案对比。成本效益：提及低参数模型，但未提供具体成本数据。
声明可追溯性：引用论文，但未提供实现细节。跨来源验证：无。事实与推断分离：未区分。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 仓库未提供任何安全或权限管理文档，使用前需自行评估风险。
- 依赖未列出，无法确认供应链安全。
- 未提供测试或验证，可靠性存疑。