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)

本文主要是介绍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),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • 一、简单介绍
      • 1)项目代码介绍
      • 2)重新播放模拟
      • 3)适当修改分叉模拟
    • 二、部署斯坦福小镇Demo
      • 1)准备工作
      • 2)解决遇到的bug
      • 3)启动服务器和前端
    • 三、源码剖析
      • 1)主题顺序

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>

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.gitcd    generative_agents

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

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

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

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)

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

②打开浏览器,输入

1.7.0.0.1:8000

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

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

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

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):....

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)

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

这篇关于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)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/827626

相关文章

golang程序打包成脚本部署到Linux系统方式

《golang程序打包成脚本部署到Linux系统方式》Golang程序通过本地编译(设置GOOS为linux生成无后缀二进制文件),上传至Linux服务器后赋权执行,使用nohup命令实现后台运行,完... 目录本地编译golang程序上传Golang二进制文件到linux服务器总结本地编译Golang程序

MySQL中的LENGTH()函数用法详解与实例分析

《MySQL中的LENGTH()函数用法详解与实例分析》MySQLLENGTH()函数用于计算字符串的字节长度,区别于CHAR_LENGTH()的字符长度,适用于多字节字符集(如UTF-8)的数据验证... 目录1. LENGTH()函数的基本语法2. LENGTH()函数的返回值2.1 示例1:计算字符串

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理;Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期

如何在Ubuntu 24.04上部署Zabbix 7.0对服务器进行监控

《如何在Ubuntu24.04上部署Zabbix7.0对服务器进行监控》在Ubuntu24.04上部署Zabbix7.0监控阿里云ECS服务器,需配置MariaDB数据库、开放10050/1005... 目录软硬件信息部署步骤步骤 1:安装并配置mariadb步骤 2:安装Zabbix 7.0 Server

怎样通过分析GC日志来定位Java进程的内存问题

《怎样通过分析GC日志来定位Java进程的内存问题》:本文主要介绍怎样通过分析GC日志来定位Java进程的内存问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、GC 日志基础配置1. 启用详细 GC 日志2. 不同收集器的日志格式二、关键指标与分析维度1.

MySQL中的表连接原理分析

《MySQL中的表连接原理分析》:本文主要介绍MySQL中的表连接原理分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、环境3、表连接原理【1】驱动表和被驱动表【2】内连接【3】外连接【4编程】嵌套循环连接【5】join buffer4、总结1、背景

python中Hash使用场景分析

《python中Hash使用场景分析》Python的hash()函数用于获取对象哈希值,常用于字典和集合,不可变类型可哈希,可变类型不可,常见算法包括除法、乘法、平方取中和随机数哈希,各有优缺点,需根... 目录python中的 Hash除法哈希算法乘法哈希算法平方取中法随机数哈希算法小结在Python中,

Java Stream的distinct去重原理分析

《JavaStream的distinct去重原理分析》Javastream中的distinct方法用于去除流中的重复元素,它返回一个包含过滤后唯一元素的新流,该方法会根据元素的hashcode和eq... 目录一、distinct 的基础用法与核心特性二、distinct 的底层实现原理1. 顺序流中的去重

关于MyISAM和InnoDB对比分析

《关于MyISAM和InnoDB对比分析》:本文主要介绍关于MyISAM和InnoDB对比分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录开篇:从交通规则看存储引擎选择理解存储引擎的基本概念技术原理对比1. 事务支持:ACID的守护者2. 锁机制:并发控制的艺

MyBatis Plus 中 update_time 字段自动填充失效的原因分析及解决方案(最新整理)

《MyBatisPlus中update_time字段自动填充失效的原因分析及解决方案(最新整理)》在使用MyBatisPlus时,通常我们会在数据库表中设置create_time和update... 目录前言一、问题现象二、原因分析三、总结:常见原因与解决方法对照表四、推荐写法前言在使用 MyBATis