Dekonstruksi Project89: Desain kerangka Agen AI generasi berikutnya yang modular dan berkinerja tinggi

Project89 mengadopsi cara baru untuk merancang Agent Framework, yang merupakan Agent Framework berkinerja tinggi untuk pengembangan game, lebih modular dan memiliki kinerja yang lebih baik dibandingkan dengan Agent Framework yang digunakan saat ini.

Artikel ini akan menjelaskan secara rinci tentang Kerangka Agen berkinerja tinggi dalam Project89.

Satu, mengapa menggunakan ECS untuk merancang Kerangka Agen

ECS (Entity-Component-System) adalah pola arsitektur yang umum digunakan dalam pengembangan game dan sistem simulasi. Ini memisahkan data dan logika secara menyeluruh, untuk mengelola berbagai entitas dan perilakunya secara efisien dalam skenario yang dapat diskalakan secara besar.

1. Entity( entitas): hanya sebuah ID( angka atau string), tidak mengandung data atau logika apapun. Dapat dipasang komponen yang berbeda sesuai kebutuhan untuk memberinya berbagai atribut atau kemampuan.

2. Komponen (: Digunakan untuk menyimpan data atau status konkret dari entitas.

3. Sistem（系统): bertanggung jawab untuk menjalankan logika yang terkait dengan beberapa komponen.

Untuk memahami sistem ini dengan contoh tindakan dari sebuah Agent yang spesifik: di ArgOS, setiap Agent dipandang sebagai sebuah Entity, yang dapat mendaftarkan berbagai komponen, seperti:

• Komponen Agen: menyimpan informasi dasar seperti nama Agen, nama model, dll.
• Komponen Persepsi: digunakan untuk menyimpan data eksternal yang terdeteksi
• Komponen Memori: Digunakan terutama untuk menyimpan data Memori dari Entitas Agen, mirip dengan hal-hal yang telah dilakukan.
• Komponen Aksi: Menyimpan data Aksi yang akan dieksekusi

Alur kerja Sistem:

1. Merasakan bahwa ada sebuah senjata di depan dirinya, memanggil fungsi eksekusi dari Sistem Persepsi untuk memperbarui data dalam Komponen Persepsi dari Entitas Agen.

2. Mengaktifkan Sistem Memori, sekaligus memanggil Komponen Persepsi dan Komponen Memori, menyimpan data yang terdeteksi ke dalam database melalui Memori.

3. Sistem Aksi memanggil kembali Komponen Memori dan Komponen Aksi, mengambil informasi tentang lingkungan sekitar dari ingatan, dan kemudian melakukan tindakan yang sesuai.

4. Mendapatkan Entitas Agen Diperbarui di mana setiap data Komponen diperbarui

Jadi, System terutama bertanggung jawab untuk mendefinisikan komponen mana yang akan menjalankan logika pemrosesan yang sesuai.

Di Project89, sebuah dunia yang dipenuhi berbagai jenis Agent, beberapa Agent tidak hanya memiliki kemampuan dasar tetapi juga kemampuan untuk merencanakan.

![Dekonstruksi Project89: Desain Kerangka AI Agent Generasi Berikutnya yang Modular dan Berkinerja Tinggi])https://img-cdn.gateio.im/webp-social/moments-4cd7ca20f2967b9025411d9985f64831.webp(

Dua, Arsitektur Sistem ArgOS

Di ArgOS, agar Agen dapat melakukan pemikiran yang lebih mendalam dan menjalankan tugas yang lebih kompleks, banyak Komponen dan banyak Sistem dirancang.

Dalam ArgOS, Sistem dibagi menjadi "tiga tingkat" ) Tingkat Kesadaran (:

1. Sadar)SISTEM CONSCIOUS(

   • Termasuk RoomSystem, PerceptionSystem, ExperienceSystem, ThinkingSystem, ActionSystem, CleanupSystem
   • Frekuensi pembaruan biasanya cukup tinggi ) seperti setiap 10 detik (
   • Lebih dekat dengan pemrosesan "real-time" atau "kesadaran sadar", seperti persepsi lingkungan, pemikiran real-time, pelaksanaan tindakan, dll.

2. BAWAH SADAR)SUBCONSCIOUS(sistem

   • GoalPlanningSystem、PlanningSystem
   • Frekuensi pembaruan relatif rendah ) seperti setiap 25 detik (
   • Mengelola logika "berpikir", seperti pemeriksaan/perencanaan sasaran dan rencana secara berkala

3. Tidak Sadar)TIDAK SADAR(Sistem

   • Saat ini belum diaktifkan
   • Frekuensi pembaruan lebih lambat ) seperti lebih dari 50 detik (

Hubungan antar berbagai sistem dalam ArgOS sangat kompleks, terutama mencakup:

1. PerceptionSystem: Bertanggung jawab untuk mengumpulkan "stimulus")stimuli( dari lingkungan eksternal atau entitas lain, dan memperbarui komponen Perception dari agen)Agent(.

2. ExperienceSystem: Mengubah Stimuli yang dikumpulkan oleh PerceptionSystem menjadi "pengalaman" yang lebih abstrak )Experience(.

3. ThinkingSystem: Sistem "pemikiran" dari agen itu sendiri. Mengambil status saat ini dari komponen seperti Memory, Perception, dan menghasilkan "hasil pemikiran" )ThoughtResult( melalui generateThought)...( dan LLM/logika aturan.

4. ActionSystem: Jika Action.pendingAction dari suatu Agent tidak kosong, maka melalui runtime.getActionManager)(.executeAction)...( untuk benar-benar melaksanakan aksi.

5. GoalPlanningSystem: Secara berkala mengevaluasi kemajuan tujuan dalam daftar Goal.current), atau memeriksa apakah ada perubahan signifikan dalam ingatan eksternal/diri sendiri.

6. PlanningSystem: menghasilkan atau memperbarui Rencana untuk "tujuan yang ada" [eid] Goal.current ( [eid]. Rencana eksekusi ).

7. RoomSystem: Mengelola pembaruan yang terkait dengan ruangan (Room).

8. CleanupSystem: Secara berkala mencari dan menghapus entitas yang ditandai dengan komponen Cleanup.

Melalui penghubungan sistem-sistem ini, AI Agent berhasil: mendeteksi perubahan lingkungan ( Persepsi ) → mencatat atau mengubah menjadi pengalaman internal ( Pengalaman ) → berpikir sendiri dan mengambil keputusan ( Berpikir ) → mengambil tindakan ( Tindakan ) → menyesuaikan tujuan dan rencana secara dinamis ( Perencanaan + Perencanaan ) → menyelaraskan lingkungan ( Ruang ) → secara tepat waktu menghapus entitas yang tidak berguna ( Pembersihan )

Tiga, Analisis Arsitektur Keseluruhan ArgOS

1. Pengelompokan Arsitektur Inti

2. Komponen (Component) kategori
   • Kategori Identitas Inti
   • Kelas perilaku dan status
   • Persepsi dan Memori
   • Kategori Lingkungan dan Ruang
   • Tampilan dan Interaksi
   • Kategori dukungan atau operasional

3. Arsitektur Sistem

4. Struktur Manajer Termasuk EventBus, RoomManager, StateManager, EventManager, ActionManager, PromptManager, dan lain-lain.

5. Interaksi dengan basis data Melalui StateManager/PersistenceManager untuk menyelesaikan

Empat, Inovasi Arsitektur

• Setiap System beroperasi secara independen, tidak akan ada hubungan pemanggilan antara System lainnya.
• Dapat dengan mudah menambah atau mengurangi kemampuan Agent
• Kinerja lebih kuat dibandingkan arsitektur berorientasi objek tradisional
• Membagi Sistem menjadi sadar, bawah sadar, dan tidak sadar adalah desain yang sangat inovatif

Secara keseluruhan, ini adalah kerangka kerja yang sangat modular, berkinerja tinggi, dengan kualitas kode yang sangat baik dan mencakup dokumentasi desain yang baik. Ini memberikan tim game atau tim Defai pilihan arsitektur baru yang potensial.