Descarga GenerativeAgentsCN - Descarga del código fuente de GenerativeAgentsCN

GenerativeAgentsCN

Otro código fuente

1.0.0

Descargar

Chino simplificado | Inglés

Agentes generativos (agentes generativos) versión china detallada

Stanford AI Town fue abierto por la Universidad de Stanford y Google en agosto de 2023. Es un mundo virtual compuesto por 25 agentes que simula la vida humana real.

25 agentes funcionan completamente con ChatGPT y pueden organizar fiestas, asistir a reuniones y planificar diversas actividades de forma independiente para el Día de San Valentín. Pueden mostrar patrones de vida y hábitos de comportamiento similares a los humanos.

El código original de Generative Agents tiene un bajo grado de ingeniería, lo que dificulta mantener o ampliar sus funciones de forma continua. Además, después de más de un año, las capacidades del LLM chino ya están calificadas para tales tareas. Por lo tanto, reconstruimos y localizamos en profundidad el proyecto original, con el objetivo de proporcionar a los usuarios chinos una versión básica que sea fácil de mantener para experimentos posteriores o probar más jugabilidad.

El proyecto Wonderland es una versión reconstruida del proyecto Generative Agents original. Tiene una buena estructura y la calidad del código es mucho mejor que la versión original. Por lo tanto, este proyecto se desarrolla en base a Wonderland.

Trabajo principal:

Vuelva a escribir todas las indicaciones y cambie el "idioma nativo" del agente al chino para facilitar el acoplamiento con modelos chinos como Qwen-2.5 o GLM-4;
Con base en las características del chino y las capacidades del modelo Qwen2.5-7b/14b, optimizar las indicaciones chinas y la lógica de inicio y finalización del diálogo entre agentes;
Todas las indicaciones tienen una plantilla para facilitar el mantenimiento posterior;
Se corrigieron problemas menores en la versión original (por ejemplo, el agente en la versión original de Wonderland ya no se despierta después de quedarse dormido);
Agregue soporte para la API local de Ollama y también conecte la incrustación de LlamaIndex a Ollama para lograr una implementación local completa y reducir los costos experimentales. Para la instalación y configuración de Ollama, consulte ollama.md ;
Funciones agregadas como "recuperación de puntos de interrupción";
La interfaz de reproducción se simplifica según el código de interfaz de Generative Agents original, y la línea de tiempo de las actividades del agente y el contenido del diálogo se guardan en documentos Markdown.

Pantalla de reproducción:

instantánea

Nota: Los nombres del mapa y de los caracteres también se sincronizan en chino para evitar que LLM cambie al contexto en inglés cuando se encuentre con contextos mixtos en chino e inglés.

1. Preparación

1.1 Obtener el código:

 git clone https://github.com/x-glacier/GenerativeAgentsCN.git
cd GenerativeAgentsCN

1.2 Configurar el modelo de lenguaje grande (LLM)

Modifique el archivo de configuración generative_agents/data/config.json :

Ollama se utiliza de forma predeterminada para cargar modelos de cuantificación locales y proporciona API compatibles con OpenAI. Primero debe extraer el modelo cuantitativo (consulte ollama.md) y asegurarse de que base_url y model sean consistentes con la configuración en Ollama.
Si desea llamar a las API de otros fabricantes, debe completar la clave correspondiente en api_keys y modificar base_url y model de acuerdo con la documentación de la API.

1.3 Instalar dependencias de Python

Se recomienda utilizar anaconda3 para crear y activar el entorno virtual primero:

 conda create -n generative_agents_cn python=3.11
conda activate generative_agents_cn

Instalar dependencias:

 pip install -r requirements.txt

2. Dirige una ciudad virtual

 cd generative_agents
python start.py --name sim-test --start "20240213-09:30" --step 10 --stride 10

Descripción del parámetro:

name : cada vez que inicia la ciudad virtual, debe establecer un nombre único para su reproducción posterior.
start : la hora de inicio de la ciudad virtual.
resume : después de que la carrera finalice o se interrumpa inesperadamente, continúe ejecutando la ciudad virtual desde el último "punto de interrupción".
step : el número de pasos de iteración después de los cuales se debe detener la ejecución.
stride : el tiempo (minutos) correspondiente a cada iteración en la ciudad virtual. Si se establece --stride 10 , los cambios de hora de la ciudad virtual durante el proceso de iteración serán 9:00, 9:10, 9:20...

3. Reproducción

3.1 Generar datos de reproducción

 python compress.py --name <simulation-name>

Una vez completada la operación, el archivo de datos de reproducción movement.json se generará en el directorio results/compressed/<simulation-name> . Al mismo tiempo, se generará simulation.md para presentar el estado y el contenido del diálogo de cada agente en una línea de tiempo.

3.2 Iniciar servicio de reproducción

 python replay.py

Abra la página de reproducción a través del navegador (dirección: http://127.0.0.1:5000/?name=<simulation-name> ) y podrá ver las actividades de los residentes en la ciudad virtual en varios períodos de tiempo.

Puedes mover la pantalla con las teclas de flecha.

Descripción del parámetro

name : el nombre establecido al iniciar la ciudad virtual.
step : el número del paso inicial de la reproducción, 0 significa comenzar la reproducción desde el primer cuadro, el valor predeterminado es 0.
speed : velocidad de reproducción (0-5), 0 es la más lenta, 5 es la más rápida y el valor predeterminado es 2.
zoom : la relación de zoom de la pantalla, el valor predeterminado es 0,8.

Los datos de reproducción denominados example (generados por qwen2.5:32b-instruct-q4_K_M) están integrados en la versión de lanzamiento. Si desea iniciar la reproducción desde el principio a una velocidad más rápida y la relación de zoom de la pantalla es 0,6, la URL correspondiente es: http://127.0.0.1:5000/?name=example&step=0&speed=2&zoom=0.6

También puedes abrir simulación.md directamente para ver todas las actividades de los personajes y la información del diálogo en example .