現場演示
加入我們的 Discord 社群：AI 堆疊開發人員
AI Town 是一個虛擬城鎮，AI 角色在此居住、聊天和社交。
該專案是一個可部署的入門套件，可輕鬆建立和自訂您自己的 AI 城鎮版本。受到研究論文生成代理：人類行為的互動模擬的啟發。
該專案的主要目標不僅是工作起來很有趣，還在於提供一個具有堅實基礎且可擴展的平台。後端本身支援共享的全域狀態、事務和模擬引擎，並且應該適合從簡單的專案到可擴展的多人遊戲的所有內容。第二個目標是使 JS/TS 框架可用，因為該領域的大多數模擬器（包括上面的原始論文）都是用 Python 編寫的。
llama3 ，嵌入為mxbai-embed-large 。注意：對於任何有興趣運行但不修改它的人來說，Pinokio 上有一個該專案的分支的一鍵安裝？
git clone https://github.com/a16z-infra/ai-town.git
cd ai-town
npm install下載預先建置的二進位檔案（建議），或從原始程式碼建置並執行它。
# 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這也just安裝（例如brew install just或cargo install just ）。我們使用just make一樣添加額外的參數，因此您just convex ...而不是npx convex ...進行本機開發。
如果您在 Mac 上執行預先建置的二進位檔案並且出現 Apple 警告，請轉到它所在的資料夾並右鍵單擊它並選擇「開啟」以繞過。從那時起，您可以從命令列運行它。或者您可以從原始程式碼編譯它並運行它（請參閱上文）。
您可以讓應用程式保持運行或運行ollama serve 。如果應用程式已在運行， ollama serve會警告您。運行ollama pull llama3以下載llama3 。使用ollama run llama3進行測試。如果您想自訂使用哪個模型，請調整凸/util/llm.ts或just convex env set LLM_MODEL # model 。 Ollama 模型選項可在此處找到。
如果您發現速度緩慢，您可能需要在 Constants.ts 中將NUM_MEMORIES_TO_SEARCH設為1 ，以減少對話提示的大小。
查看convex/config.ts以配置向 UI 提供哪些模型，或將其設定為與雲端託管的 LLM 對話。
對於每日背景音樂生成，建立複製帳戶並在您的個人資料的 API 令牌頁面中建立一個令牌。 just convex env set REPLICATE_API_TOKEN # token
要同時運行前端和後端：
npm run dev注意：如果在應用程式啟動時遇到凸伺服器上的節點版本錯誤，請使用節點版本18，這是最穩定的。一種方法是安裝 nvm 並執行nvm install 18或nvm use 18 。在上面的npm run dev和步驟 2 中的./convex-local-backend之前執行此操作。
您現在可以造訪 http://localhost:5173。
如果您希望在與 Convex 不同的終端機中運行前端（它會在保存後端函數時同步它們），您可以執行以下兩個命令：
npm run dev:frontend
npm run dev:backend有關詳細信息，請參閱 package.json，但 dev:backend just convex dev
注意：如果視窗空閒，模擬將在 5 分鐘後暫停。載入頁面將取消暫停。您也可以使用使用者介面中的按鈕手動凍結和解凍世界。如果你想在沒有瀏覽器的情況下運行世界，你可以在convex/crons.ts中註解掉「停止不活動的世界」cron。
停止後端，以防活動過多
這將停止運行引擎和代理。您仍然可以運行查詢並運行函數來調試。
just convex run testing:stop停止後重新啟動後端
just convex run testing:resume在遊戲引擎或代理未運行的情況下啟動引擎
just convex run testing:kick為世界存檔
如果您想重置世界並從頭開始，您可以存檔當前世界：
just convex run testing:archive然後，您仍然可以在儀表板中查看世界數據，但引擎和代理將不再運行。
然後您可以使用init創建一個新的世界。
just convex run init清除所有資料庫
您可以使用wipeAllTables測試函數擦除所有表。
just convex run testing:wipeAllTables暫停後端部署
您可以轉到儀表板的部署設定來暫停和取消暫停部署。這將停止所有功能，無論是從客戶端呼叫、計劃的還是作為 cron 作業呼叫。請將此視為最後的手段，因為上面有更溫和的方法可以停止。一旦你
修改您的package.json檔案以將--host選項新增至您的前端伺服器（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/ "
}
}執行以下命令來啟動 Docker Compose：
docker-compose up --build完成後，您可以關閉終端。
在另一個終端機中，仍在aitown目錄中，啟動互動式 Docker 終端機：
docker-compose exec ai-town /bin/bash下載並解壓縮本機Convex後端：
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驗證convex-local-backend檔案是否在目錄中，然後刪除 zip 檔案：
rm convex-local-backend-x86_64-unknown-linux-gnu.zip使檔案可執行：
chmod +x /usr/src/app/convex-local-backend啟動 Convex 後端伺服器：
./convex-local-backend在另一個終端的aitown目錄中，重新啟動：
docker-compose exec ai-town /bin/bash使用主機的 IP 位址設定socat ：
HOST_IP=YOUR-HOST-IP # Use your host's IP address (not the Docker IP)
socat TCP-LISTEN:11434,fork TCP: $HOST_IP :11434 &測試連接：
curl http://localhost:11434/如果它顯示“Ollama is running”，那就太好了！
確保 Convex 知道在哪裡可以找到 Ollama（跳過隨機的神秘錯誤...）：
just convex env set OLLAMA_HOST http://localhost:11434更新瀏覽器清單：
npx update-browserslist-db@latest啟動人工智慧小鎮：
npm run dev啟動容器，然後只需使用 docker-compose exec ai-town /bin/bash 在 AI-town 資料夾中開啟兩個終端
啟動 Convex 後端伺服器： bash ./convex-local-backend在第二個終端機中，只需設定 Socat，啟動 AI Town。
首先，您需要安裝 WSL2。請依照本指南在 Windows 電腦上設定 WSL2。我們建議使用 Ubuntu 作為您的 Linux 發行版。
開啟 WSL 終端機 (Ubuntu) 並更新您的軟體包：
sudo apt update
NVM（節點版本管理器）有助於管理 Node.js 的多個版本。安裝 NVM 和 Node.js 18（穩定版本）：
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.2/install.sh | bash
export NVM_DIR="$([ -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
某些依賴項需要 Python。安裝 Python 和 Pip：
sudo apt-get install python3 python3-pip
sudo ln -s /usr/bin/python3 /usr/bin/python
安裝unzip和socat ：
sudo apt install unzip socat
Cargo 是 Rust 套件管理器。安裝 Rust 和 Cargo：
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
source $HOME/.cargo/env
just使用 Cargo 安裝just用於運行命令。與 Cargo 一起安裝：
cargo install just
export PATH="$HOME/.cargo/bin:$PATH"
just --version
socat配置為 Ollama 的橋接端口執行以下命令來橋接端口，從而允許 Convex 和 Ollama 之間進行通訊：
socat TCP-LISTEN:11434,fork TCP:$(cat /etc/resolv.conf | grep nameserver | awk '{print $2}'):11434 &
測試是否有效：
curl http://127.0.0.1:11434
如果回應正常，則可以存取 Ollama API。
從 GitHub 克隆 AI Town 儲存庫：
git clone https://github.com/a16z-infra/ai-town.git
cd ai-town
安裝必要的 npm 套件：
npm install
下載並安裝Convex的預編譯版本：
curl -L -O https://github.com/get-convex/convex-backend/releases/download/precompiled-2024-06-28-91981ab/convex-local-backend-x86_64-unknown-linux-gnu.zip
unzip convex-local-backend-x86_64-unknown-linux-gnu.zip
rm convex-local-backend-x86_64-unknown-linux-gnu.zip
chmod +x convex-local-backend
在單獨的終端機中，啟動 Convex：
./convex-local-backend
在 Convex 中設定 Ollama 主機：
just convex env set OLLAMA_HOST http://localhost:11434
最後啟動AI小鎮：
npm run dev
在瀏覽器中造訪http://localhost:5173以查看 AI Town 的運作。
如果需要重啟服務：
確保socat正在運行：
socat TCP-LISTEN:11434，fork TCP:$(cat /etc/resolv.conf | grep nameserver | awk '{print $2}'):11434 &
發射凸：
./凸本地後端
在另一個終端機中： 3. 啟動 AI Town：
npm run dev
注意：每次更改字元資料時，您應該重新執行just convex run testing:wipeAllTables ，然後npm run dev將所有內容重新上傳到凸。這是因為字元資料在初始載入時發送到 Convex。但是，請注意， just convex run testing:wipeAllTables將擦除所有資料。
創建您自己的角色和故事：所有角色和故事以及它們的精靈表引用都儲存在characters.ts中。您可以從更改角色描述開始。
更新 spritesheets：在data/characters.ts中，您將看到以下程式碼：
export const characters = [
{
name : 'f1' ,
textureUrl : '/assets/32x32folk.png' ,
spritesheetData : f1SpritesheetData ,
speed : 0.1 ,
} ,
...
] ;您應該為您的角色找到一個精靈表，並在對應的檔案中定義精靈運動/資源（在上面的範例中， f1SpritesheetData是在 f1.ts 中定義的）
更新背景（環境）：地圖從data/gentle.js載入到convex/init.ts 。若要更新地圖，請執行以下步驟：
convertMap.js腳本將JSON 轉換為引擎可以使用的格式。 node data/convertMap.js <mapDataPath> <assetPath> <tilesetpxw> <tilesetpxh><mapDataPath> ：平鋪 JSON 檔案的路徑。<assetPath> ：圖塊集影像的路徑。<tilesetpxw> ：圖塊集寬度（以像素為單位）。<tilesetpxh> ：圖塊集高度（以像素為單位）。產生converted-map.js ，您可以像gentle.js一樣使用它convex/music.ts中的提示來改變背景音樂generate new background music作業來變更在convex/crons.ts產生新音樂的頻率配置convex/util/llm.ts或設定這些環境變數：
just convex env set LLM_API_HOST # url
just convex env set LLM_MODEL # model嵌入模型配置需要在程式碼中更改，因為您需要指定嵌入維度。
對於 Together.ai，請造訪 https://api.together.xyz/settings/api-keys 對於 OpenAI，請造訪 https://platform.openai.com/account/api-keys
您只需運行即可在雲端運行您的 Convex 後端
npx convex dev --until-success --configure並更新package.json腳本以刪除just ：將just convex ...更改為convex ... 。
然後，您需要使用npx convex env set雲端環境中本地的任何環境變數：https://dashboard.convex.dev/deployment/settings/environment-variables
在運行應用程式之前，您需要確保凸函數已部署到其生產環境。
npx convex deploy以將凸函數部署到生產環境npx convex run init --prod如果您有想要清除的現有數據，可以執行npx convex run testing:wipeAllTables --prod
您可以使用git revert b44a436新增職員身份驗證。或者只需查看該差異以了解更改的內容即可將其刪除。
開設一個文員帳戶
VITE_CLERK_PUBLISHABLE_KEY和CLERK_SECRET_KEY加入.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從 codespaces cli 進行驗證。vercel --prod將應用程式部署到 Vercel。 我們支持使用 Ollama 進行對話生成。要從網路存取它，您可以使用 Tunnelmole 或 Ngrok 或類似的。
使用隧道摩爾
Tunnelmole 是一個開源隧道工具。
您可以使用下列選項之一安裝 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檔案並將其放在 PATH 中的某個位置。安裝 Tunnelmole 後，執行以下命令：
tmole 11434
執行此命令後，Tunnelmole 應該會輸出一個唯一的 url。
使用 Ngrok
Ngrok 是一種受歡迎的閉源隧道工具。
安裝並驗證 ngrok 後，執行以下命令：
ngrok http http://localhost:11434
執行此命令後，Ngrok 應該會輸出一個唯一的 url。
將 Ollama 端點加入 Convex
just convex env set OLLAMA_HOST # your tunnelmole/ngrok unique url from the previous step更新 Ollama 域
Ollama 有一個接受域的清單。新增 ngrok 網域，這樣它就不會拒絕流量。有關更多詳細信息，請參閱 ollama.ai。
Convex 是一個具有內建資料庫的託管後端平台，可讓您在 TypeScript 中編寫資料庫架構和伺服器函數。伺服器端資料庫查詢自動快取和訂閱數據，為我們的 React 用戶端中的即時useQuery掛鉤提供支援。還有 Python、Rust、ReactNative 和 Node 的客戶端，以及簡單的 HTTP API。
此資料庫支援 NoSQL 樣式文檔，具有選擇加入模式驗證、關係和自訂索引（包括嵌套物件中的欄位）。
query和mutation伺服器功能具有對資料庫的事務性、低延遲訪問，並利用我們的v8運行時和確定性護欄來提供市場上最強大的ACID 保證：立即一致性、可序列化隔離以及透過樂觀多版本並發控制自動解決衝突（OCC/MVCC）。
action伺服器函數可以存取外部 API，並在我們優化的v8運行時或更靈活的node運行時中啟用其他副作用和不確定性。
函數可以透過調度和 cron 作業在背景運行。
開發是雲端優先的，透過 CLI 進行伺服器功能編輯的熱重載、預覽部署、日誌記錄和異常報告集成，有一個儀表板 UI 用於瀏覽和編輯資料、編輯環境變數、查看日誌、運行伺服器功能等。
有用於反應式分頁、檔案儲存、反應式文字搜尋、向量搜尋、https 端點（用於 webhooks）、快照匯入/匯出、串流匯入/匯出以及函數參數和資料庫資料的執行時間驗證的內建功能。
一切都會自動擴展，並且可以免費啟動。
