使用代理完成场景模拟 Agent simulations

Agent simulations（代理模拟）涉及将一个或多个代理与彼此进行交互。 代理模拟通常包括两个主要组成部分：

• 长期记忆（Long Term Memory）
• 模拟环境（Simulation Environment）

代理模拟的具体实现（或代理模拟的部分）包括：

单个代理的模拟

• 模拟环境：Gymnasium：一个使用Gymnasium（前身为OpenAI Gym）创建简单的代理-环境交互循环的示例。

两个代理的模拟

• CAMEL：CAMEL（Communicative Agents for “Mind” Exploration of Large Scale Language Model Society）论文的实现，其中两个代理相互通信。
• Two Player D&D：使用通用模拟器为两个代理实现流行的龙与地下城角色扮演游戏的变体的示例。
• Agent Debates with Tools：一个示例，演示如何使对话代理使用工具来提供回应。

多个代理的模拟

• Multi-Player D&D：使用通用对话模拟器为多个对话代理实现自定义的发言顺序，以流行的龙与地下城角色扮演游戏的变体为例。
• Decentralized Speaker Selection：一个示例，演示如何实现无固定发言顺序的多代理对话。代理决定谁发言，通过输出发言竞标。该示例展示了如何在虚构的总统辩论背景下实现这一点。
• Authoritarian Speaker Selection：一个示例，演示如何实现多代理对话，其中特权代理指示谁说什么。该示例还展示了如何使特权代理确定对话何时终止。该示例展示了如何在虚构的新闻节目背景下实现这一点。
• 模拟环境：PettingZoo：一个使用PettingZoo（Gymnasium的多代理版本）为多个代理创建代理-环境交互循环的示例。
• 生成型代理：该笔记本实现了一种基于论文Generative Agents: Interactive Simulacra of Human Behavior（作者：Park等人）的生成型代理。