Generative Agents，即生成式代理，是模拟人类行为的计算软件代理，它们能够创建令人信服的人类行为仿真，用于交互式应用程序。这种软件旨在模拟逼真的人类行为，用于各种互动应用场景。这些生成式代理能够执行日常活动、建立和维持社会关系，并根据环境变化做出反应，从而展现出类似人类的行为模式。以下是对生成代理的定义、架构设计、应用场景、评估方法、研究贡献以及其广泛背景的详细探讨。
生成代理的定义
生成式代理是一种能够模拟人类行为的智能体。在虚拟环境中，这些代理可以自主执行各种任务。例如，代理可以起床、做早餐、上班，与其他代理互动，甚至参与复杂的社会活动。生成代理的目标是通过模拟人类行为，使其在互动应用中表现得更加自然和真实。
架构组成方面，代理的架构包括三个主要部分：记忆流（Memory Stream）、反思（Reflection）和计划（Planning）。
- 记忆流：长期记忆模块，以自然语言记录代理的经历，记忆流中的对象包含自然语言描述、创建时间戳和最近访问时间戳。
- 反思：反思是代理根据其经历生成的更高层次、更抽象的思考，可以通过定期生成，帮助代理从记忆中提取深层次的见解和结论。随着时间的推移，Agent将记忆综合成更高级别的推论，由此更好地指导自己的行为。
- 计划：计划模块包括地点、开始时间和持续时间等信息，负责将反思和当前环境转化为高层次的行动计划，并递归地转化细化为具体的行为和反应。
在交互性方面，生成式代理的交互性是通过自然语言处理实现的，允许代理与用户进行双向沟通。用户可以通过自然语言命令或询问与代理互动，代理则能够理解这些指令并作出相应的反应，比如改变其行为或提供信息。这种交互不仅限于简单的问答，还包括代理能够根据用户指定的条件或情境自主生成行为和反应，例如，当用户以代理的“内心声音”身份发出指令时，代理更可能将其视为行动指南。
此外，代理能够记忆过去的交互并在未来的交流中引用这些记忆，从而创建更为丰富和连贯的对话流。这种高度交互性的设计使得生成性代理能够模拟真实的社交行为，为用户提供更加自然和引人入胜的体验。
架构设计
生成式代理的架构设计包含多个关键组件：
- 记忆流 (Memory Stream)：这是一个长期记忆模块，用自然语言记录代理的经历。这些经历可以是具体的事件、对话或情景，帮助代理积累经验并在需要时回忆。
- 记忆检索模型 (Memory Retrieval Model)：这个模型根据记忆的相关性、时效性和重要性来提取相关记忆，使代理能够在适当的时机回忆起相关的信息，做出更合适的反应。
- 反思 (Reflection)：代理通过反思将过去的记忆综合成高层次的推论，从而指导其未来的行为。例如，代理可以反思自己与其他代理的互动，并基于此调整自己的行为，以更好地适应环境。
- 规划 (Planning)：代理将反思的结果以及环境因素转化为具体的行动计划，从而执行一系列协调一致的行为。通过这种方式，代理能够自主生成并执行复杂的行为序列。
应用场景
目前的Agent仍处于早期阶段，投入现实使用会面临伦理方面的问题，然而，在模拟人生、GTA等电子游戏中Agent可以投入测试。在这个虚拟世界中，代理自可以主传播派对邀请，建立新关系，并协调各种活动。
此外，生成式代理可以用于沉浸式环境、人际交往的排练空间、原型工具等，它们能够模拟人类在各种情境下的行为，如社交互动、日常活动规划等。
这些代理能够在没有人为干预的情况下，自主生成并执行复杂的行为序列，展现了其高度的自主性和互动能力。
广泛背景
生成代理的研究工作置于人机交互的广泛背景中，探讨了在创造可信代理过程中面临的历史挑战和取得的进展。生成代理技术有潜在的广泛应用，包括但不限于虚拟助手、教育模拟、游戏角色、社交机器人等领域。
生成式代理在未来的交互应用中具有广泛的潜力，包括社交原型设计、虚拟现实、物理空间中的社交机器人等，为互动应用提供了更自然、真实的行为表现。
未来，BytomDAO的Dagent也将推出生成式代理相关应用，服务于Web3项目方。
