Analisis Project89: Desain kerangka AI Agent generasi baru 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 saat ini digunakan.

Artikel ini akan menjelaskan secara rinci peningkatan arsitektur kerangka ini dibandingkan dengan kerangka Agen tradisional.

Latar Belakang Pengembang

Pendiri Project89 sebelumnya terlibat dalam pengembangan proyek Magick, yaitu perangkat lunak yang menggunakan AI untuk pemrograman. Dia menduduki peringkat sebagai pengembang keempat dalam proyek tersebut.

Mengapa menggunakan ECS untuk merancang Kerangka Kerja Agen

Dari segi aplikasi di bidang permainan, saat ini game yang menggunakan arsitektur ECS termasuk:

• Permainan blockchain: Mud, Dojo
• Permainan tradisional: Overwatch, Star Citizen, dll.
• Mesin game mainstream juga berkembang ke arah ECS, seperti Unity

ECS简介

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

1. Entity( entitas): hanya merupakan sebuah ID, tidak mengandung data atau logika apapun.

2. Component( komponen): digunakan untuk menyimpan data atau status konkret dari entitas.

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

Sebagai contoh tindakan Agent yang konkret: di ArgOS, setiap Agent dipandang sebagai suatu Entitas, yang dapat mendaftarkan berbagai komponen, seperti:

• Komponen Agen: menyimpan nama Agen, nama model, dan informasi dasar lainnya
• Komponen Persepsi: menyimpan data eksternal yang terdeteksi
• Komponen Memori: Menyimpan data Memori Entitas Agent
• Komponen Aksi: Menyimpan data Aksi yang akan dieksekusi

Proses kerja Sistem:

1. Mendeteksi senjata, Sistem Persepsi memperbarui Komponen Persepsi Entitas Agen

2. Sistem Memori memanggil Komponen Persepsi dan Komponen Memori, untuk mempersistenkan data persepsi ke dalam database.

3. Sistem Aksi memanggil Komponen Memori dan Komponen Aksi, mengambil informasi lingkungan dari memori, dan melaksanakan tindakan yang sesuai.

4. Mendapatkan setiap data Component yang diperbarui dari Agent Entity

Proses Operasi Sistem

Proses eksekusi sistem yang sebenarnya bukanlah urutan panggilan yang kita bayangkan, melainkan tidak ada hubungan panggilan antar Sistem, setiap Sistem dieksekusi sekali dalam periode yang ditentukan, seperti:

• Sistem Persepsi dijalankan setiap 2 detik, memperbarui persepsi eksternal ke Komponen Persepsi
• Sistem Memori dieksekusi setiap 1 detik, mengambil data dari Komponen Persepsi ke Komponen Memori
• Sistem Rencana dijalankan setiap 1000 detik, membuat rencana dan memperbarui Komponen Rencana
• Sistem Aksi dijalankan setiap 2 detik, merespons informasi eksternal secara tepat waktu, dan memperbarui Aksi berdasarkan Komponen Rencana.

Arsitektur Sistem ArgOS

ArgOS merancang beberapa Komponen dan Sistem agar Agent dapat melakukan pemikiran yang lebih mendalam dan melaksanakan tugas-tugas kompleks.

ArgOS membagi Sistem menjadi tiga tingkat (TingkatKesadaran):

1. Sadar(SISTEM CONSCIOUS)

   • Termasuk RoomSystem, PerceptionSystem, dll
   • Frekuensi pembaruan yang tinggi ( seperti setiap 10 detik )
   • Lebih mendekati "real-time" atau "kesadaran jelas" dalam penanganan

2. Subconscious(SUBCONSCIOUS) sistem

   • Termasuk GoalPlanningSystem, PlanningSystem
   • Frekuensi pembaruan rendah ( seperti setiap 25 detik )
   • Mengolah logika "berpikir"

3. Tanpa sadar(UNCONSCIOUS)sistem

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

Hubungan antar sistem di ArgOS sangat kompleks, desain berlapis membantu mengatur frekuensi eksekusi sistem yang berbeda.

Gambaran Umum Fitur Sistem

1. PerceptionSystem: Mengumpulkan "stimulasi" dari lingkungan, memperbarui ke komponen Perception pada Agent

2. ExperienceSystem: Mengubah Stimuli menjadi "pengalaman", menyimpannya ke dalam komponen Memory

3. ThinkingSystem: Sistem "pikir" Agent, menghasilkan ThoughtResult

4. ActionSystem: mengeksekusi pendingAction dari Agent

5. GoalPlanningSystem: mengevaluasi kemajuan tujuan, menghasilkan tujuan baru

6. PlanningSystem: Menghasilkan atau memperbarui rencana eksekusi untuk tujuan

7. RoomSystem: Mengelola pembaruan terkait ruangan, seperti daftar penghuni

8. CleanupSystem: Menghapus entitas yang tidak lagi diperlukan

Analisis Arsitektur Umum ArgOS

Arsitektur Inti Berlapis

Termasuk komponen, sistem, manajer, dan lapisan lainnya.

组件(Component)分类

1. Kategori Identitas Inti: Agent, PlayerProfile, dll.
2. Kategori Perilaku dan Status: Tindakan, Tujuan, Rencana, dll.
3. Kategori Persepsi dan Memori: Persepsi, Memori, dll.
4. Kategori Lingkungan dan Ruang: Room, OccupiesRoom, dll.
5. Tampilan dan Interaksi: Appearance, UIState, dll
6. Kategori bantuan atau operasional: Cleanup, DebugInfo, dll.

Struktur Manajer

Selain Component dan System, juga perlu manajer sumber daya: Manager:

• RoomManager: mengelola informasi ruangan
• StateManager: Mendapatkan status dunia/agen yang disimpan
• EventBus: mendengarkan peristiwa siaran
• PromptManager: Menyediakan template Prompt LLM
• ActionManager: Mengelola pendaftaran dan pelaksanaan Action
• SimulationRuntime:调度Systems,创建Managers

berinteraksi dengan basis data

Interaksi dengan database melalui StateManager/PersistenceManager:

1. Memuat data inti saat startup
2. Memperbarui data komponen Sistem saat dijalankan
3. Persistensi berkala atau berdasarkan peristiwa
4. Simpan semua data saat keluar

Inovasi Arsitektur

• Setiap Sistem beroperasi secara independen, tanpa hubungan pemanggilan
• Desain modular, mudah untuk menambah atau mengurangi fitur
• Kinerja arsitektur ECS lebih baik daripada objek tradisional
• Membagi Sistem menjadi berbagai tingkat kesadaran, merancang dengan cermat
• Sangat modular, kinerja luar biasa, kualitas kode tinggi

Ini adalah kerangka kerja yang sangat modular dan berkinerja tinggi, menyediakan pilihan arsitektur baru untuk tim game dan DeepAI.