Téléchargement GenerativeAgentsCN - Téléchargement du code source GenerativeAgentsCN

GenerativeAgentsCN

Autre code source

1.0.0

Télécharger

Chinois simplifié | Anglais

Agents Génératifs (Agents Génératifs) version chinoise approfondie

Stanford AI Town a été open source par l'Université de Stanford et Google en août 2023. Il s'agit d'un monde virtuel composé de 25 agents qui simule la vie humaine réelle.

25 agents sont entièrement pilotés par ChatGPT et peuvent organiser indépendamment des fêtes, assister à des réunions et planifier diverses activités pour la Saint-Valentin. Ils peuvent afficher des modes de vie et des habitudes comportementales similaires à ceux des humains.

Le code original des agents génératifs a un faible degré d'ingénierie, ce qui rend difficile le maintien ou l'extension continue de ses fonctions. De plus, après plus d'un an, les capacités du LLM chinois sont déjà qualifiées pour de telles tâches. Par conséquent, nous avons reconstruit et localisé en profondeur le projet original, dans le but de fournir aux utilisateurs chinois une version de base facile à maintenir pour des expériences ultérieures ou pour essayer davantage de gameplay.

Le projet Winderland est une version reconstruite du projet Generative Agents original. Il a une bonne structure et la qualité du code est bien meilleure que la version originale. Par conséquent, ce projet est développé sur la base de Winderland.

Travaux principaux :

Réécrivez toutes les invites et changez la « langue maternelle » de l'agent en chinois pour faciliter l'amarrage avec des modèles chinois tels que Qwen-2.5 ou GLM-4 ;
Sur la base des caractéristiques du chinois et des capacités du modèle Qwen2.5-7b/14b, optimiser les invites chinoises et la logique de début et de fin du dialogue entre agents ;
Toutes les invites sont conçues pour faciliter la maintenance ultérieure ;
Correction de problèmes mineurs dans la version originale (par exemple, l'agent dans la version originale de Winderland ne se réveille plus après s'être endormi) ;
Ajoutez la prise en charge de l'API Ollama locale et connectez également l'intégration de LlamaIndex à Ollama pour réaliser un déploiement local complet et réduire les coûts expérimentaux. Pour l'installation et la configuration d'Ollama, veuillez vous référer à ollama.md ;
Fonctionnalités ajoutées telles que « récupération de point d'arrêt » ;
L'interface de lecture est simplifiée sur la base du code frontal original de Generative Agents, et la chronologie des activités des agents et le contenu des dialogues sont enregistrés dans des documents Markdown.

Écran de lecture :

instantané

Remarque : Les noms de carte et de caractères sont également synchronisés en chinois pour empêcher LLM de passer au contexte anglais lorsqu'il rencontre des contextes mixtes chinois et anglais.

1. Préparation

1.1 Obtenez le code :

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

1.2 Configurer un grand modèle de langage (LLM)

Modifiez le fichier de configuration generative_agents/data/config.json :

Ollama est utilisé par défaut pour charger des modèles de quantification locaux et fournit des API compatibles OpenAI. Vous devez d'abord extraire le modèle quantitatif (voir ollama.md) et vous assurer que base_url et model sont cohérents avec la configuration dans Ollama.
Si vous souhaitez appeler les API d'autres fabricants, vous devez renseigner la clé correspondante dans api_keys et modifier base_url et model selon la documentation de l'API.

1.3 Installer les dépendances python

Il est recommandé d'utiliser anaconda3 pour créer et activer d'abord l'environnement virtuel :

 conda create -n generative_agents_cn python=3.11
conda activate generative_agents_cn

Installer les dépendances :

 pip install -r requirements.txt

2. Gérez une ville virtuelle

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

Description du paramètre :

name - Chaque fois que vous démarrez la ville virtuelle, vous devez définir un nom unique pour une lecture ultérieure.
start - l'heure de début de la ville virtuelle.
resume - Une fois l'exécution terminée ou interrompue de manière inattendue, continuez à exécuter la ville virtuelle à partir du dernier "point d'arrêt".
step - le nombre d'étapes d'itération après lesquelles arrêter l'exécution.
stride - le temps (minutes) correspondant à chaque itération dans la ville virtuelle. Si --stride 10 est défini, les changements d'heure de la ville virtuelle pendant le processus d'itération seront 9h00, 9h10, 9h20...

3. Lecture

3.1 Générer des données de lecture

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

Une fois l'opération terminée, le fichier de données de lecture movement.json sera généré dans le répertoire results/compressed/<simulation-name> . Dans le même temps, simulation.md sera généré pour présenter le statut et le contenu du dialogue de chaque agent dans une chronologie.

3.2 Démarrer le service de lecture

 python replay.py

Ouvrez la page de rediffusion via le navigateur (adresse : http://127.0.0.1:5000/?name=<simulation-name> ), et vous pourrez voir les activités des habitants de la ville virtuelle à différentes périodes.

Vous pouvez déplacer l'écran avec les touches fléchées

Description des paramètres

name - le nom défini lors du démarrage de la ville virtuelle.
step - le numéro de l'étape de départ de la lecture, 0 signifie démarrer la lecture à partir de la première image, la valeur par défaut est 0.
speed - vitesse de lecture (0-5), 0 est le plus lent, 5 est le plus rapide et la valeur par défaut est 2.
zoom - le taux de zoom de l'écran, la valeur par défaut est 0,8.

Les données de relecture nommées example (générées par qwen2.5:32b-instruct-q4_K_M) sont intégrées à la version finale. Si vous souhaitez démarrer la lecture depuis le début à une vitesse plus rapide et que le taux de zoom de l'écran est de 0,6, l'URL correspondante est : http://127.0.0.1:5000/?name=example&step=0&speed=2&zoom=0.6

Vous pouvez également ouvrir simulation.md directement pour afficher toutes les activités des personnages et les informations de dialogue dans example .