现场演示
加入我们的 Discord 社区：AI 堆栈开发人员
AI Town 是一个虚拟城镇，AI 角色在此居住、聊天和社交。
该项目是一个可部署的入门套件，可轻松构建和定制您自己的 AI 城镇版本。受到研究论文生成代理：人类行为的交互式模拟的启发。
该项目的主要目标不仅仅是工作起来很有趣，还在于提供一个具有坚实基础且可扩展的平台。后端本身支持共享的全局状态、事务和模拟引擎，并且应该适合从简单的项目到可扩展的多人游戏的所有内容。第二个目标是使 JS/TS 框架可用，因为该领域的大多数模拟器（包括上面的原始论文）都是用 Python 编写的。
llama3 ，嵌入为mxbai-embed-large 。注意：对于任何有兴趣运行但不修改它的人来说，Pinokio 上有一个该项目的分支的一键安装？
git clone https://github.com/a16z-infra/ai-town.git
cd ai-town
npm install下载预构建的二进制文件（推荐），或从源代码构建并运行它。
# For new Macs:
curl -L -O https://github.com/get-convex/convex-backend/releases/latest/download/convex-local-backend-aarch64-apple-darwin.zip
unzip convex-local-backend-aarch64-apple-darwin.zip
brew install just
# Runs the server
./convex-local-backend这也just安装（例如brew install just或cargo install just ）。我们使用just make一样添加额外的参数，因此您just convex ...而不是npx convex ...进行本地开发。
如果您在 Mac 上运行预构建的二进制文件并且出现 Apple 警告，请转到它所在的文件夹并右键单击它并选择“打开”以绕过。从那时起，您可以从命令行运行它。或者您可以从源代码编译它并运行它（见上文）。
您可以让应用程序保持运行或运行ollama serve 。如果应用程序已在运行， ollama serve会警告您。运行ollama pull llama3以下载llama3 。使用ollama run llama3进行测试。如果您想自定义使用哪个模型，请调整凸/util/llm.ts或just convex env set LLM_MODEL # model 。 Ollama 模型选项可在此处找到。
如果您发现速度缓慢，您可能需要在 Constants.ts 中将NUM_MEMORIES_TO_SEARCH设置为1 ，以减少对话提示的大小。
查看convex/config.ts以配置向 UI 提供哪些模型，或将其设置为与云托管的 LLM 对话。
对于每日背景音乐生成，创建一个复制帐户并在您的个人资料的 API 令牌页面中创建一个令牌。 just convex env set REPLICATE_API_TOKEN # token
要同时运行前端和后端：
npm run dev注意：如果在应用程序启动时遇到凸服务器上的节点版本错误，请使用节点版本18，这是最稳定的。一种方法是安装 nvm 并运行nvm install 18或nvm use 18 。在上面的npm run dev和步骤 2 中的./convex-local-backend之前执行此操作。
您现在可以访问 http://localhost:5173。
如果您希望在与 Convex 不同的终端中运行前端（它会在保存后端函数时同步它们），您可以运行以下两个命令：
npm run dev:frontend
npm run dev:backend有关详细信息，请参阅 package.json，但 dev:backend just convex dev
注意：如果窗口空闲，模拟将在 5 分钟后暂停。加载页面将取消暂停。您还可以使用用户界面中的按钮手动冻结和解冻世界。如果你想在没有浏览器的情况下运行世界，你可以在convex/crons.ts中注释掉“停止不活动的世界”cron。
停止后端，以防活动过多
这将停止运行引擎和代理。您仍然可以运行查询并运行函数来调试。
just convex run testing:stop停止后重新启动后端
just convex run testing:resume在游戏引擎或代理未运行的情况下启动引擎
just convex run testing:kick为世界存档
如果您想重置世界并从头开始，您可以存档当前世界：
just convex run testing:archive然后，您仍然可以在仪表板中查看世界数据，但引擎和代理将不再运行。
然后您可以使用init创建一个新的世界。
just convex run init清除所有数据库
您可以使用wipeAllTables测试函数擦除所有表。
just convex run testing:wipeAllTables暂停后端部署
您可以转到仪表板的部署设置来暂停和取消暂停部署。这将停止所有功能，无论是从客户端调用、计划的还是作为 cron 作业调用。请将此视为最后的手段，因为上面有更温和的方法可以停止。一旦你
修改您的package.json文件以将--host选项添加到您的前端服务器（Vite）：
{
"name" : " ai-town " ,
"version" : " 0.0.0 " ,
"private" : true ,
"scripts" : {
"dev" : " npm-run-all --parallel dev:frontend dev:backend " ,
"build" : " tsc && vite build " ,
"lint" : " eslint . " ,
"predev" : " just convex dev --run init --until-success " ,
"dev:backend" : " just convex dev --tail-logs " ,
"dev:frontend" : " vite --host " , // <------------------------------------------ modify this line
"test" : " NODE_OPTIONS=--experimental-vm-modules jest --verbose " ,
"le" : " vite src/editor/ "
}
}运行以下命令来启动 Docker Compose：
docker-compose up --build完成后，您可以关闭终端。
在另一个终端中，仍在aitown目录中，启动交互式 Docker 终端：
docker-compose exec ai-town /bin/bash下载并解压本地Convex后端：
curl -L -O https://github.com/get-convex/convex-backend/releases/download/precompiled-2024-06-28-91981ab/convex-local-backend-x86_64-unknown-linux-gnu.zip
unzip convex-local-backend-x86_64-unknown-linux-gnu.zip验证convex-local-backend文件是否在目录中，然后删除 zip 文件：
rm convex-local-backend-x86_64-unknown-linux-gnu.zip使文件可执行：
chmod +x /usr/src/app/convex-local-backend启动 Convex 后端服务器：
./convex-local-backend在另一个终端的aitown目录中，重新启动：
docker-compose exec ai-town /bin/bash使用主机的 IP 地址配置socat ：
HOST_IP=YOUR-HOST-IP # Use your host's IP address (not the Docker IP)
socat TCP-LISTEN:11434,fork TCP: $HOST_IP :11434 &测试连接：
curl http://localhost:11434/如果它显示“Ollama is running”，那就太好了！
确保 Convex 知道在哪里可以找到 Ollama（跳过随机的神秘错误......）：
just convex env set OLLAMA_HOST http://localhost:11434更新浏览器列表：
npx update-browserslist-db@latest启动人工智能小镇：
npm run dev启动容器，然后只需使用 docker-compose exec ai-town /bin/bash 在 AI-town 文件夹中打开两个终端
启动 Convex 后端服务器： bash ./convex-local-backend在第二个终端中，只需配置 Socat，启动 AI Town。
首先，您需要安装 WSL2。请按照本指南在 Windows 计算机上设置 WSL2。我们建议使用 Ubuntu 作为您的 Linux 发行版。
打开 WSL 终端 (Ubuntu) 并更新您的软件包：
sudo apt update
NVM（节点版本管理器）有助于管理 Node.js 的多个版本。安装 NVM 和 Node.js 18（稳定版本）：
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.2/install.sh | bash
export NVM_DIR="$([ -z "${XDG_CONFIG_HOME-}" ] && printf %s "${HOME}/.nvm" || printf %s "${XDG_CONFIG_HOME}/nvm")"
[ -s "$NVM_DIR/nvm.sh" ] && . "$NVM_DIR/nvm.sh"
source ~/.bashrc
nvm install 18
nvm use 18
某些依赖项需要 Python。安装 Python 和 Pip：
sudo apt-get install python3 python3-pip
sudo ln -s /usr/bin/python3 /usr/bin/python
安装unzip和socat ：
sudo apt install unzip socat
Cargo 是 Rust 包管理器。安装 Rust 和 Cargo：
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
source $HOME/.cargo/env
just使用 Cargo 安装just用于运行命令。与 Cargo 一起安装：
cargo install just
export PATH="$HOME/.cargo/bin:$PATH"
just --version
socat配置为 Ollama 的桥接端口运行以下命令来桥接端口，从而允许 Convex 和 Ollama 之间进行通信：
socat TCP-LISTEN:11434,fork TCP:$(cat /etc/resolv.conf | grep nameserver | awk '{print $2}'):11434 &
测试是否有效：
curl http://127.0.0.1:11434
如果响应正常，则可以访问 Ollama API。
从 GitHub 克隆 AI Town 存储库：
git clone https://github.com/a16z-infra/ai-town.git
cd ai-town
安装必要的 npm 包：
npm install
下载并安装Convex的预编译版本：
curl -L -O https://github.com/get-convex/convex-backend/releases/download/precompiled-2024-06-28-91981ab/convex-local-backend-x86_64-unknown-linux-gnu.zip
unzip convex-local-backend-x86_64-unknown-linux-gnu.zip
rm convex-local-backend-x86_64-unknown-linux-gnu.zip
chmod +x convex-local-backend
在单独的终端中，启动 Convex：
./convex-local-backend
在 Convex 中设置 Ollama 主机：
just convex env set OLLAMA_HOST http://localhost:11434
最后启动AI小镇：
npm run dev
在浏览器中访问http://localhost:5173以查看 AI Town 的运行情况。
如果需要重启服务：
确保socat正在运行：
socat TCP-LISTEN:11434，fork TCP:$(cat /etc/resolv.conf | grep nameserver | awk '{print $2}'):11434 &
发射凸：
./凸本地后端
在另一个终端中： 3. 启动 AI Town：
npm run dev
注意：每次更改字符数据时，您应该重新运行just convex run testing:wipeAllTables ，然后npm run dev将所有内容重新上传到凸。这是因为字符数据在初始加载时发送到 Convex。但是，请注意， just convex run testing:wipeAllTables将擦除所有数据。
创建您自己的角色和故事：所有角色和故事以及它们的精灵表引用都存储在characters.ts中。您可以从更改角色描述开始。
更新 spritesheets：在data/characters.ts中，您将看到以下代码：
export const characters = [
{
name : 'f1' ,
textureUrl : '/assets/32x32folk.png' ,
spritesheetData : f1SpritesheetData ,
speed : 0.1 ,
} ,
...
] ;您应该为您的角色找到一个精灵表，并在相应的文件中定义精灵运动/资源（在上面的示例中， f1SpritesheetData是在 f1.ts 中定义的）
更新背景（环境）：地图从data/gentle.js加载到convex/init.ts中。要更新地图，请执行以下步骤：
convertMap.js脚本将JSON 转换为引擎可以使用的格式。 node data/convertMap.js <mapDataPath> <assetPath> <tilesetpxw> <tilesetpxh><mapDataPath> ：平铺 JSON 文件的路径。<assetPath> ：图块集图像的路径。<tilesetpxw> ：图块集宽度（以像素为单位）。<tilesetpxh> ：图块集高度（以像素为单位）。生成converted-map.js ，您可以像gentle.js一样使用它convex/music.ts中的提示来改变背景音乐generate new background music作业来更改在convex/crons.ts生成新音乐的频率配置convex/util/llm.ts或设置这些环境变量：
just convex env set LLM_API_HOST # url
just convex env set LLM_MODEL # model嵌入模型配置需要在代码中更改，因为您需要指定嵌入维度。
对于 Together.ai，请访问 https://api.together.xyz/settings/api-keys 对于 OpenAI，请访问 https://platform.openai.com/account/api-keys
您只需运行即可在云中运行您的 Convex 后端
npx convex dev --until-success --configure并更新package.json脚本以删除just ：将just convex ...更改为convex ... 。
然后，您需要使用npx convex env set云环境中本地的任何环境变量：https://dashboard.convex.dev/deployment/settings/environment-variables
在运行应用程序之前，您需要确保凸函数已部署到其生产环境。
npx convex deploy以将凸函数部署到生产环境npx convex run init --prod如果您有想要清除的现有数据，可以运行npx convex run testing:wipeAllTables --prod
您可以使用git revert b44a436添加职员身份验证。或者只需查看该差异以了解更改的内容即可将其删除。
开设一个文员账户
VITE_CLERK_PUBLISHABLE_KEY和CLERK_SECRET_KEY添加到.env.local VITE_CLERK_PUBLISHABLE_KEY=pk_ ***
CLERK_SECRET_KEY=sk_ ***just convex env set CLERK_ISSUER_URL # e.g. https://your-issuer-url.clerk.accounts.dev/vercel login从 codespaces cli 进行身份验证。vercel --prod将应用程序部署到 Vercel。 我们支持使用 Ollama 进行对话生成。要从网络访问它，您可以使用 Tunnelmole 或 Ngrok 或类似的。
使用隧道摩尔
Tunnelmole 是一个开源隧道工具。
您可以使用以下选项之一安装 Tunnelmole：
npm install -g tunnelmolecurl -s https://tunnelmole.com/sh/install-linux.sh | sudo bashcurl -s https://tunnelmole.com/sh/install-mac.sh --output install-mac.sh && sudo bash install-mac.shexe文件并将其放在 PATH 中的某个位置。安装 Tunnelmole 后，运行以下命令：
tmole 11434
运行此命令后，Tunnelmole 应该输出一个唯一的 url。
使用 Ngrok
Ngrok 是一种流行的闭源隧道工具。
安装并验证 ngrok 后，运行以下命令：
ngrok http http://localhost:11434
运行此命令后，Ngrok 应该输出一个唯一的 url。
将 Ollama 端点添加到 Convex
just convex env set OLLAMA_HOST # your tunnelmole/ngrok unique url from the previous step更新 Ollama 域
Ollama 有一个接受域的列表。添加 ngrok 域，这样它就不会拒绝流量。有关更多详细信息，请参阅 ollama.ai。
Convex 是一个具有内置数据库的托管后端平台，可让您在 TypeScript 中编写数据库架构和服务器函数。服务器端数据库查询自动缓存和订阅数据，为我们的 React 客户端中的实时useQuery挂钩提供支持。还有 Python、Rust、ReactNative 和 Node 的客户端，以及简单的 HTTP API。
该数据库支持 NoSQL 样式文档，具有选择加入模式验证、关系和自定义索引（包括嵌套对象中的字段）。
query和mutation服务器功能具有对数据库的事务性、低延迟访问，并利用我们的v8运行时和确定性护栏来提供市场上最强大的 ACID 保证：立即一致性、可序列化隔离以及通过乐观多版本并发控制自动解决冲突（OCC/MVCC）。
action服务器函数可以访问外部 API，并在我们优化的v8运行时或更灵活的node运行时中启用其他副作用和不确定性。
函数可以通过调度和 cron 作业在后台运行。
开发是云优先的，通过 CLI 进行服务器功能编辑的热重载、预览部署、日志记录和异常报告集成，有一个仪表板 UI 用于浏览和编辑数据、编辑环境变量、查看日志、运行服务器功能等。
有用于反应式分页、文件存储、反应式文本搜索、矢量搜索、https 端点（用于 webhooks）、快照导入/导出、流式导入/导出以及函数参数和数据库数据的运行时验证的内置功能。
一切都会自动扩展，并且可以免费启动。
