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
- ★ 997
- 最近更新
- 1 年前
- License
- MIT
- 主语言
- Jupyter Notebook
- FA 评分
- 36/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台
- 费用
- 免费，无需付费服务
- 上手难度
- 高 · 需要较重的基础设施
- 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。
- 不适合
- 没有16GB显存或本地GPU的普通用户
- 需要完整安装文档和依赖版本说明的团队
- 需要API、CLI或生产部署接口的工程团队
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 | 形态 / 费用 | 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 | 36 · 缺口较多 | 代码库 / SDK免费 | ★ 997 | 1 年前 | Jupyter Notebook | — |
| Gyoshu 科研自动化实验室 | 44 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 243 | 8 个月前 | TypeScript | Claude Code |
| Concordia: 生成式社会模拟库 | 62 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 1.9k | 4 天前 | Python | — |
| Open Science 开源科研工作台 | 81 · 表现良好 | 桌面应用免费 + 模型费 | ★ 5.5k | 今天 | TypeScript | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
源码展示了本地模拟循环与模型生成入口，但 main.py 默认启用 OpenAI，未见权限控制、调用前确认、数据处理说明、敏感信息保护或回滚机制，因此这些方面扣分。代码会写入 simulation_log.txt，且没有清楚说明发送给外部服务的数据；MIT 许可标明版权人，但发布者身份和维护渠道未验证，归属证据有限。
README 区分 Release 与 WIP，并说明显存要求；但代码对评分无效的响应仅置零，未见异常处理或明确故障提示。依赖可用性说明有限，且 README 的本地运行描述没有提供具体安装步骤，因此只给部分分。
README 指明 Phandalin/D&D 场景、Colab 与本地运行及不同显存环境，场景和环境适配有一定说明。代码主要围绕单一模拟循环和配置文件运行，边界与扩展方式交代较少；README 对稳定版和 WIP 的入口区分较明确。
README 按设置、使用、模型、限制和后续计划组织，许可证文件完整。安装说明只有概括性建议，缺少依赖和操作步骤；安全政策仍是模板，版本支持和漏洞报告内容未定制，未见变更记录或明确维护责任人，因此相关项扣分。
模拟为角色生成计划、行动和记忆，输出包含摘要与日志，但日志默认只记录部分信息，README 未提供结果格式或下游使用方式，故输出可用性有限。以本地低参数模型降低成本是明确价值；同时代码设置 use_openai=True，且每轮会重复生成与评分，实际成本效益仍有不确定性。
README 将项目与论文及具体场景关联，也陈述了模型与显存限制；但这些主张未在所给材料中得到独立佐证。代码展示了模拟流程和日志写入，却没有提供可核对的运行结果或已执行验证；安全政策中的版本表和报告说明仍为占位模板，事实与推断的界线不够清楚。
- 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：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：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。
- main.py 默认启用 OpenAI；在确认模型调用和数据流配置前，不要假定所有生成都在本地完成。
- SECURITY.md 仍含模板文字，未提供可操作的漏洞报告渠道或可信的支持版本信息。
- README 未列出依赖安装步骤；运行成本和模型效果描述没有本材料中的运行结果佐证。
你是这个项目的维护者？把 FARS 徽章加到 README
[](https://followagents.com/zh/agents/mkturkcan-generative-agents)<a href="https://followagents.com/zh/agents/mkturkcan-generative-agents"><img src="https://followagents.com/badge/mkturkcan-generative-agents.svg?lang=zh" alt="FARS 评测"></a>常见问题
运行它需要什么硬件？
能在云端使用吗？
需要 API 密钥或外部模型服务吗？
稳定版本和 WIP 版本应如何选择？
它会生成什么格式的结果？
谢谢反馈，我们会据此改进页面。