Generative Agents: Interactive Simulacra of Human Behavior：大模型驱动的可信人类行为模拟
2023年4月，斯坦福大学和Google Research提出生成式智能体（Generative Agents），利用大语言模型（LLM）驱动25个智能体在一个类似《模拟人生》的沙盒环境中自主生活。智能体能够起床、做饭、工作、社交、形成记忆并规划未来，仅从一个“想办情人节派对”的初始设定出发，智能体自主传播邀请、结识新朋友、协调时间并最终共同参加派对。
发展脉络
- 首次出现Generative Agents: Interactive Simulacra of Human Behavior：大模型驱动的可信人类行为模拟arXiv cs.AI
- 当前判断生成式智能体将深刻影响游戏行业（NPC智能化）、虚拟社交（如元宇宙）、社会模拟（政策推演）和人机协作（数字员工）。对于游戏公司，可大幅降低脚本编写成本，创造动态叙事体验。对于社交平台，可生成更真实的虚拟用户用于测试或陪伴。Agent Pulse · 分析
该工作首次将LLM作为智能体的核心认知架构，通过记忆流、反思和规划三个组件实现了长期连贯的类人行为。它证明了LLM不仅可用于对话，还能驱动复杂的社交模拟，为游戏、虚拟世界、社会模拟和人机交互提供了全新范式。其开源架构和交互模式已成为后续智能体研究的基石。
智能体架构包含三个核心模块：1）记忆流：以自然语言记录所有经历，并带有时间戳和重要性评分；2）反思：LLM定期对记忆进行高层次总结，提取洞察（如“我是咖啡师”）；3）规划：基于当前记忆和反思，LLM生成每日计划并动态调整。交互时，智能体通过检索相关记忆生成对话和行为。评估通过人工评分和消融实验证明各组件均不可或缺。系统使用ChatGPT API驱动，但架构可迁移至其他LLM。
生成式智能体将深刻影响游戏行业（NPC智能化）、虚拟社交（如元宇宙）、社会模拟（政策推演）和人机协作（数字员工）。对于游戏公司，可大幅降低脚本编写成本，创造动态叙事体验。对于社交平台，可生成更真实的虚拟用户用于测试或陪伴。
建议游戏和虚拟世界团队立即实验该架构，用于生成动态NPC行为。可先在小规模场景（如RPG游戏中的小镇）部署，评估玩家接受度和计算成本。对于社会模拟研究，可基于此构建政策影响评估工具。
关注智能体长期记忆管理、多智能体协作效率、以及LLM调用成本优化。未来可能看到更复杂的社交网络模拟、经济系统模拟，以及与现实世界数据（如社交媒体）的融合。