Timeline: Generative Agents（论文）

Tue, 15 Sep 2026 00:00:00 +0000

Joon Sung Park, Joseph C. O’Brien, Carrie J. Cai, Meredith Ringel Morris, Percy Liang, Michael S. Bernstein. Generative Agents: Interactive Simulacra of Human Behavior。Stanford University、Google Research / DeepMind。arXiv 2023-04。arXiv:2304.03442。UIST 2023。

中文译本：全文翻译 + 导读。

摘要

可信的人类行为代理可以支撑沉浸式环境、人际沟通演练、原型工具。本文引入 generative agents：用计算软件模拟可信人类行为的 agent。它们起床、做早餐、去上班；画家画画，作者写作；形成观点、注意到彼此、发起对话；记住并反思过去的日子，再计划下一天。

架构把大语言模型接上三块：用自然语言存下完整经历（记忆流），随时间把记忆合成更高层的反思，再动态检索来规划行为。作者把 25 个这样的 agent 放进一个类似《模拟人生》的沙盒小镇。终端用户可用自然语言观察和干预。评测显示它们能产生可信的个体行为与涌现的社会行为。例如：用户只指定一名 agent 想办情人节派对，两天内邀请会自己扩散，有人新结识、有人约着去派对，并在正确时间到场。消融表明观察、计划、反思各自都对可信度有贡献。

架构

实现用当时的 gpt-3.5-turbo（ChatGPT）。文中写明：写作时 GPT-4 API 仍是邀请制。

记忆流是一份按时间排列的自然语言记录。每条有描述、创建时间、最近访问时间。最基本的条目是观察：自己做了什么，看见别人或物体做了什么。检索按三项打分再加权：近因（距上次取出的游戏小时数，指数衰减）、重要性（让模型打 1–10 分）、相关性（嵌入向量与当前查询的余弦相似度）。取出能装进窗口的顶部记忆，再交给语言模型。

反思是更高层、更抽象的想法，也作为记忆存回去。当最近事件的重要性分数之和超过阈值（实现里是 150），大约每天两三次生成反思：先从最近 100 条里问「三个最显著的高层问题」，再检索、抽取洞察并引用证据。反思可以再反思，形成树：叶子是观察，越往上越抽象。

计划把结论和环境译成高层日程，再递归拆成更细的动作（先一天的几大块，再小时，再 5–15 分钟）。计划和反思都写回记忆流。每一步感知世界后，模型决定是继续原计划还是反应；需要互动时再生成对话。没有计划时，模型会为「当下可信」在短时间内重复吃饭一类动作。

环境用树表示空间包含关系，再译成自然语言。agent 只记住自己见过的子图，不是全知。动作再映射回沙盒状态（例如咖啡机从 idle 变成 brewing）。

评测（文中数字）

受控评测：用自然语言「采访」agent，测自我认知、记忆、计划、反应、反思。100 名人类评估者对五种条件做可信度排序，再用 TrueSkill。完整架构最高（μ≈29.89）；去掉反思次之；再去掉计划再次之；众包人类角色扮演更低；完全没有观察/计划/反思最低（μ≈21.21）。端到端：25 个 agent 连续两天游戏时间互动。情人节派对从一条用户指定的意图扩散并真正发生。常见错误：检索失败、给记忆加戏、继承指令微调后过于正式的说话方式。

文中脚注写明：说 agent「去某处、做某事」是为了可读，并不暗示真正的人类式主体性；目标是迪士尼角色那种可信幻觉。

Timeline: Generative Agents 讲解

Tue, 15 Sep 2026 00:00:00 +0000

论文解决了什么问题

当时用 LLM 一次生成一段角色行为已经能看，但窗口装不下不断增长的经历，角色会忘、会自相矛盾、会在同一顿午饭上停住。这篇把「记得住、能概括、能按概括再行动」做成一套检索架构，而不是再训一个更大的模型。

环境是游戏沙盒，不是 GitHub 或浏览器。成功标准是行为可信，不是修好一个 issue。完成谓词和任务型主线不是同一把尺子。

对后续 LLM 与 Agent 的影响

按 AI Agent 定义，这些角色确实在循环：感知小镇、行动、把观察写回记忆、再决策。但主线对象是任务型 Agent——给目标、对环境做事、按回执推进。这篇打开的是另一条旁支：长期角色记忆、社会涌现、NPC。后来许多「记忆模块」示意图仍能看见记忆流 + 反思 + 检索这三块。

限度要从原文读：实现绑在 ChatGPT 上，成本高；检索失败会编造；论文自己把「主体性」写成可读性修辞。不要把它读成 2023 年已经有了可治理的组织记忆，也不要用情人节派对的热闹去填 SWE-bench 的零分。热度 ≠ 任务完成率。

AI Agent 学习笔记 – Generative Agents

Timeline: Generative Agents（论文）

摘要

架构

评测（文中数字）

Timeline: Generative Agents 讲解

论文解决了什么问题

对后续 LLM 与 Agent 的影响