Giải cấu trúc Project89: một thiết kế khung AI Agent thế hệ tiếp theo, mô-đun hóa và hiệu suất cao
Project89 đã áp dụng một phương pháp hoàn toàn mới để thiết kế Agent Framework, đây là một Agent Framework hiệu suất cao dành cho phát triển trò chơi, có tính module hơn và hiệu suất tốt hơn so với các Agent Framework hiện tại.
Bài viết này sẽ giới thiệu chi tiết về Khung Agent hiệu suất cao trong Project89.
Một, tại sao phải sử dụng ECS để thiết kế Khung Đại diện
ECS (Entity-Component-System) là một mô hình kiến trúc thường được sử dụng trong phát triển game và hệ thống mô phỏng. Nó tách biệt hoàn toàn dữ liệu và logic, nhằm quản lý hiệu quả các thực thể và hành vi của chúng trong các cảnh quy mô lớn có khả năng mở rộng.
Entity( thực thể): chỉ là một ID( số hoặc chuỗi), không chứa bất kỳ dữ liệu hoặc logic nào. Có thể gắn các thành phần khác nhau theo nhu cầu để trao cho nó các thuộc tính hoặc khả năng khác nhau.
Component( thành phần ): dùng để lưu trữ dữ liệu hoặc trạng thái cụ thể của thực thể.
Hệ thống（Hệ thống): chịu trách nhiệm thực hiện các logic liên quan đến một số thành phần.
Để hiểu hệ thống này thông qua một ví dụ hành động của một Agent cụ thể: trong ArgOS, mỗi Agent được coi là một Entity, nó có thể đăng ký các thành phần khác nhau, chẳng hạn như:
Thành phần Đại lý: chủ yếu lưu trữ thông tin cơ bản như tên Đại lý, tên mô hình, v.v.
Thành phần cảm nhận: chủ yếu được sử dụng để lưu trữ dữ liệu từ môi trường bên ngoài.
Thành phần bộ nhớ: Chủ yếu được sử dụng để lưu trữ dữ liệu bộ nhớ của Agent Entity, tương tự như những việc đã làm.
Action Component: Chứa dữ liệu Action cần thực hiện
Quy trình làm việc của Hệ thống:
Nhận thức được rằng có một vũ khí trước mặt, gọi hàm thực thi của Hệ thống Nhận thức để cập nhật dữ liệu trong Thành phần Nhận thức của Thực thể Đại diện.
Kích hoạt Hệ thống Bộ nhớ, đồng thời gọi Thành phần Nhận thức và Thành phần Bộ nhớ, lưu trữ dữ liệu được nhận thức vào cơ sở dữ liệu thông qua Bộ nhớ.
Hệ thống Hành động gọi lại Thành phần Bộ nhớ và Thành phần Hành động, lấy thông tin về môi trường xung quanh từ trí nhớ, sau đó thực hiện các hành động tương ứng.
Nhận một thực thể đại lý đã cập nhật mà dữ liệu của mỗi thành phần đều được cập nhật
Vì vậy, System chủ yếu chịu trách nhiệm xác định các Component nào sẽ thực hiện logic xử lý tương ứng.
Trong Project89, một thế giới tràn ngập các loại Agent khác nhau, có những Agent không chỉ sở hữu khả năng cơ bản mà còn có khả năng lập kế hoạch.
Hai, Kiến trúc Hệ thống ArgOS
Trong ArgOS, để Agent có thể thực hiện suy nghĩ sâu sắc hơn và thực hiện các nhiệm vụ phức tạp hơn, nhiều Component và nhiều System đã được thiết kế.
Trong ArgOS, System được chia thành "ba cấp độ" ( Cấp độ ý thức ):
Có ý thức(HỆ THỐNG)
Bao gồm RoomSystem, PerceptionSystem, ExperienceSystem, ThinkingSystem, ActionSystem, CleanupSystem
Tần suất cập nhật thường cao( như mỗi 10 giây)
Xử lý gần gũi hơn với "thời gian thực" hoặc "ý thức rõ ràng", chẳng hạn như nhận thức môi trường, suy nghĩ thời gian thực, thực hiện hành động, v.v.
Tiềm thức(HỆ THỐNG TIỀM THỨC)
GoalPlanningSystem、PlanningSystem
Tần suất cập nhật tương đối thấp ( như mỗi 25 giây )
Xử lý logic "suy nghĩ", như kiểm tra/generate mục tiêu và kế hoạch định kỳ
Vô thức(UNCONSCIOUS)hệ thống
Hiện tại vẫn chưa được kích hoạt
Tần suất cập nhật chậm hơn ( như trên 50 giây )
Mối quan hệ giữa các hệ thống trong ArgOS rất phức tạp, chủ yếu bao gồm:
PerceptionSystem: Chịu trách nhiệm thu thập "kích thích" (stimuli) từ môi trường bên ngoài hoặc các thực thể khác và cập nhật vào thành phần Perception của đại lý (Agent).
ExperienceSystem: Chuyển đổi các Stimuli được thu thập từ PerceptionSystem thành "trải nghiệm" trừu tượng hơn (Experience).
ThinkingSystem: Hệ thống "suy nghĩ" của chính bản thân trí tuệ nhân tạo. Trích xuất trạng thái hiện tại từ các thành phần như Memory, Perception, thông qua generateThought(...) và LLM/quy tắc logic để tạo ra "kết quả suy nghĩ"(ThoughtResult).
ActionSystem: Nếu Action.pendingAction của một Agent nào đó không rỗng, thì thực hiện hành động thực sự thông qua runtime.getActionManager().executeAction(...).
Hệ thống lập kế hoạch mục tiêu: Đánh giá định kỳ tiến độ của các mục tiêu trong danh sách Goal.current[eid], hoặc kiểm tra xem có sự thay đổi đáng kể nào trong trí nhớ bên ngoài/bản thân.
PlanningSystem: Tạo hoặc cập nhật Kế hoạch ( cho "Mục tiêu hiện tại" Goal.current[eid]) để thực hiện kế hoạch.
RoomSystem: Xử lý các cập nhật liên quan đến phòng (Room).
CleanupSystem: Thường xuyên tìm kiếm và loại bỏ các thực thể đã được đánh dấu bằng thành phần Cleanup.
Thông qua sự kết nối của các hệ thống này, AI Agent đã đạt được: nhận thức sự thay đổi môi trường ( Perception ) → ghi lại hoặc chuyển đổi thành kinh nghiệm nội tại ( Experience ) → tự suy nghĩ và quyết định ( Thinking ) → hành động ( Action ) → điều chỉnh mục tiêu và kế hoạch một cách linh hoạt ( GoalPlanning + Planning ) → đồng bộ môi trường ( Room ) → kịp thời thu hồi các thực thể vô dụng ( Cleanup )
Ba, Phân tích kiến trúc tổng thể của ArgOS
Cấu trúc lõi phân tầng
Thành phần (Component) phân loại
Danh tính cốt lõi
Hành vi và trạng thái
Nhận thức và trí nhớ
Môi trường và không gian
Hình dạng và tương tác
Hỗ trợ hoặc vận hành
Kiến trúc hệ thống
Kiến trúc Quản lý
Bao gồm EventBus, RoomManager, StateManager, EventManager, ActionManager, PromptManager, v.v.
Tương tác với cơ sở dữ liệu
Thực hiện thông qua StateManager/PersistenceManager
Bốn, điểm đổi mới trong cấu trúc
Mỗi hệ thống đều hoạt động độc lập, không có mối quan hệ gọi giữa các hệ thống khác.
Có thể dễ dàng tăng hoặc giảm khả năng của Agent
Hiệu suất mạnh hơn kiến trúc hướng đối tượng truyền thống
Việc chia Hệ thống thành có ý thức, tiềm thức và vô thức là một thiết kế mang tính đổi mới cao.
Tổng thể mà nói, đây là một khung cực kỳ mô-đun, hiệu suất xuất sắc, chất lượng mã cao và bao gồm tài liệu thiết kế tốt. Nó cung cấp cho các nhóm game hoặc nhóm Defai một lựa chọn kiến trúc tiềm năng mới.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
8 thích
Phần thưởng
8
5
Đăng lại
Chia sẻ
Bình luận
0/400
DecentralizeMe
· 08-13 19:40
Hiệu suất mạnh mẽ như vậy còn ai có thể chơi được
Xem bản gốcTrả lời0
quietly_staking
· 08-13 05:52
Cái này nhìn có vẻ mạnh mẽ.
Xem bản gốcTrả lời0
ContractCollector
· 08-10 20:17
Chơi theo kiểu mô-đun thì khá tốn kém đấy.
Xem bản gốcTrả lời0
CommunityJanitor
· 08-10 20:07
Mô-đun hóa mô-đun hóa có thể đánh boss nhưng không thể đánh nhau thì có phải là vô dụng không?
Xem bản gốcTrả lời0
RugResistant
· 08-10 20:01
hmm phát hiện vấn đề bảo mật tiềm ẩn... cần kiểm tra mã nguồn kỹ lưỡng thật lòng
Project89: Khung AI Agent thế hệ tiếp theo hiệu suất cao và mô-đun hóa
Giải cấu trúc Project89: một thiết kế khung AI Agent thế hệ tiếp theo, mô-đun hóa và hiệu suất cao
Project89 đã áp dụng một phương pháp hoàn toàn mới để thiết kế Agent Framework, đây là một Agent Framework hiệu suất cao dành cho phát triển trò chơi, có tính module hơn và hiệu suất tốt hơn so với các Agent Framework hiện tại.
Bài viết này sẽ giới thiệu chi tiết về Khung Agent hiệu suất cao trong Project89.
Một, tại sao phải sử dụng ECS để thiết kế Khung Đại diện
ECS (Entity-Component-System) là một mô hình kiến trúc thường được sử dụng trong phát triển game và hệ thống mô phỏng. Nó tách biệt hoàn toàn dữ liệu và logic, nhằm quản lý hiệu quả các thực thể và hành vi của chúng trong các cảnh quy mô lớn có khả năng mở rộng.
Entity( thực thể): chỉ là một ID( số hoặc chuỗi), không chứa bất kỳ dữ liệu hoặc logic nào. Có thể gắn các thành phần khác nhau theo nhu cầu để trao cho nó các thuộc tính hoặc khả năng khác nhau.
Component( thành phần ): dùng để lưu trữ dữ liệu hoặc trạng thái cụ thể của thực thể.
Hệ thống（Hệ thống): chịu trách nhiệm thực hiện các logic liên quan đến một số thành phần.
Để hiểu hệ thống này thông qua một ví dụ hành động của một Agent cụ thể: trong ArgOS, mỗi Agent được coi là một Entity, nó có thể đăng ký các thành phần khác nhau, chẳng hạn như:
Quy trình làm việc của Hệ thống:
Nhận thức được rằng có một vũ khí trước mặt, gọi hàm thực thi của Hệ thống Nhận thức để cập nhật dữ liệu trong Thành phần Nhận thức của Thực thể Đại diện.
Kích hoạt Hệ thống Bộ nhớ, đồng thời gọi Thành phần Nhận thức và Thành phần Bộ nhớ, lưu trữ dữ liệu được nhận thức vào cơ sở dữ liệu thông qua Bộ nhớ.
Hệ thống Hành động gọi lại Thành phần Bộ nhớ và Thành phần Hành động, lấy thông tin về môi trường xung quanh từ trí nhớ, sau đó thực hiện các hành động tương ứng.
Nhận một thực thể đại lý đã cập nhật mà dữ liệu của mỗi thành phần đều được cập nhật
Vì vậy, System chủ yếu chịu trách nhiệm xác định các Component nào sẽ thực hiện logic xử lý tương ứng.
Trong Project89, một thế giới tràn ngập các loại Agent khác nhau, có những Agent không chỉ sở hữu khả năng cơ bản mà còn có khả năng lập kế hoạch.
Hai, Kiến trúc Hệ thống ArgOS
Trong ArgOS, để Agent có thể thực hiện suy nghĩ sâu sắc hơn và thực hiện các nhiệm vụ phức tạp hơn, nhiều Component và nhiều System đã được thiết kế.
Trong ArgOS, System được chia thành "ba cấp độ" ( Cấp độ ý thức ):
Có ý thức(HỆ THỐNG)
Tiềm thức(HỆ THỐNG TIỀM THỨC)
Vô thức(UNCONSCIOUS)hệ thống
Mối quan hệ giữa các hệ thống trong ArgOS rất phức tạp, chủ yếu bao gồm:
PerceptionSystem: Chịu trách nhiệm thu thập "kích thích" (stimuli) từ môi trường bên ngoài hoặc các thực thể khác và cập nhật vào thành phần Perception của đại lý (Agent).
ExperienceSystem: Chuyển đổi các Stimuli được thu thập từ PerceptionSystem thành "trải nghiệm" trừu tượng hơn (Experience).
ThinkingSystem: Hệ thống "suy nghĩ" của chính bản thân trí tuệ nhân tạo. Trích xuất trạng thái hiện tại từ các thành phần như Memory, Perception, thông qua generateThought(...) và LLM/quy tắc logic để tạo ra "kết quả suy nghĩ"(ThoughtResult).
ActionSystem: Nếu Action.pendingAction của một Agent nào đó không rỗng, thì thực hiện hành động thực sự thông qua runtime.getActionManager().executeAction(...).
Hệ thống lập kế hoạch mục tiêu: Đánh giá định kỳ tiến độ của các mục tiêu trong danh sách Goal.current[eid], hoặc kiểm tra xem có sự thay đổi đáng kể nào trong trí nhớ bên ngoài/bản thân.
PlanningSystem: Tạo hoặc cập nhật Kế hoạch ( cho "Mục tiêu hiện tại" Goal.current[eid]) để thực hiện kế hoạch.
RoomSystem: Xử lý các cập nhật liên quan đến phòng (Room).
CleanupSystem: Thường xuyên tìm kiếm và loại bỏ các thực thể đã được đánh dấu bằng thành phần Cleanup.
Thông qua sự kết nối của các hệ thống này, AI Agent đã đạt được: nhận thức sự thay đổi môi trường ( Perception ) → ghi lại hoặc chuyển đổi thành kinh nghiệm nội tại ( Experience ) → tự suy nghĩ và quyết định ( Thinking ) → hành động ( Action ) → điều chỉnh mục tiêu và kế hoạch một cách linh hoạt ( GoalPlanning + Planning ) → đồng bộ môi trường ( Room ) → kịp thời thu hồi các thực thể vô dụng ( Cleanup )
Ba, Phân tích kiến trúc tổng thể của ArgOS
Bốn, điểm đổi mới trong cấu trúc
Tổng thể mà nói, đây là một khung cực kỳ mô-đun, hiệu suất xuất sắc, chất lượng mã cao và bao gồm tài liệu thiết kế tốt. Nó cung cấp cho các nhóm game hoặc nhóm Defai một lựa chọn kiến trúc tiềm năng mới.