Анализ Project89: модульный, высокопроизводительный фреймворк нового поколения для AI-агентов
Project89 предложил совершенно новый способ разработки фреймворка Agent, который является высокопроизводительным фреймворком Agent для разработки игр, более модульным и производительным по сравнению с текущими используемыми фреймворками Agent.
В этой статье подробно рассматривается высокопроизводительная структура агентов в Project89.
Один. Почему стоит использовать ECS для проектирования фреймворка Agent
ECS(Entity-Component-System) - это распространенная архитектурная модель в разработке игр и моделировании систем. Она полностью разделяет данные и логику, чтобы эффективно управлять различными сущностями и их поведением в масштабируемых сценах.
Entity(实体): это всего лишь идентификатор(, число или строка), не содержащие никаких данных или логики. В зависимости от необходимости, можно подключать различные компоненты, чтобы наделить его различными свойствами или возможностями.
Component( компонент): используется для хранения конкретных данных или состояния сущности.
Система（系统): отвечает за выполнение логики, связанной с некоторыми компонентами.
Чтобы понять эту систему на конкретном примере действия агента: в ArgOS каждое агентство рассматривается как сущность, которая может регистрировать различные компоненты, такие как:
Компонент агента: Основное хранилище базовой информации, такой как название агента, название модели и т. д.
Компонент восприятия: Основное назначение - хранение воспринятых данных из внешней среды
Компонент памяти: в основном используется для хранения данных памяти сущности агента, аналогично сделанным вещам и т.д.
Компонент действия: основной хранилище данных Action, которые необходимо выполнить
Рабочий процесс системы:
Осознать, что перед вами находится оружие, вызвать функцию выполнения системы восприятия для обновления данных в компоненте восприятия этого агента.
Затем активируйте Memory System, одновременно вызывая Perception Component и Memory Component, чтобы сохранить воспринятые данные в базе данных через Memory.
Затем система действий снова вызывает компонент памяти и компонент действий, извлекая информацию о окружающей среде из памяти, а затем в конечном итоге выполняет соответствующее действие.
Получить обновленный агент-объект, данные каждого компонента которого обновлены.
Таким образом, можно увидеть, что System в основном отвечает за определение, к каким Component следует применять соответствующую обработку.
В project89 мир наполнен различными типами Агентов, некоторые из которых, помимо базовых способностей, обладают также способностью к планированию.
Два, архитектура системы ArgOS
В ArgOS для того, чтобы агент мог проводить более глубокое мышление и выполнять более сложные задачи, было разработано множество компонентов и несколько систем.
В ArgOS система делится на "три уровня"(УровеньСознания):
有意识(СОЗНАНИЕ)система
Включает в себя RoomSystem, PerceptionSystem, ExperienceSystem, ThinkingSystem, ActionSystem и CleanupSystem
Частота обновления обычно высокая(, например, каждые 10 секунд)
Более близкая обработка на уровне "реального времени" или "осознанности", такая как восприятие окружающей среды, мышление в реальном времени, выполнение действий и т.д.
Подсознание (СИСТЕМА
СистемаПланированияЦелей, ПланировочнаяСистема
Частота обновления относительно низкая ), например, каждые 25 секунд (
Обработка логики "мышления", например, периодическая проверка/генерация целей и планов
БЕЗСОЗНАНИЯ)СИСТЕМА
В настоящее время еще не активировано
Частота обновления медленнее ( более 50 секунд )
Связи между различными системами в ArgOS крайне сложны и включают в себя:
PerceptionSystem: отвечает за сбор "стимулов" (stimuli) из внешней среды или других сущностей и обновляет их в компоненте Perception агента (Agent).
ExperienceSystem: Преобразует стимулы, собранные PerceptionSystem, в более абстрактный "опыт" (Experience).
ThinkingSystem: система "мышления" самого агента. Извлечение текущего состояния из таких компонентов, как Memory, Perception, и генерация "результата мышления" через generateThought(...) с использованием LLM/логики правил ThoughtResult(.
ActionSystem: Если у какого-либо агента Action.pendingAction не пуст, то для фактического выполнения действия используется runtime.getActionManager)(.executeAction)...(.
GoalPlanningSystem: Периодически оценивать прогресс целей в списке Goal.current) или проверять, произошли ли значительные изменения во внешней/внутренней памяти.
PlanningSystem: Генерация или обновление плана для "существующей цели" (Goal.current)[eid] выполнения плана (.
RoomSystem: Обработка обновлений, связанных с комнатой [eid]Room).
CleanupSystem: Регулярно ищите и удаляйте сущности, помеченные компонентом Cleanup.
За счет интеграции этих систем AI Agent достиг следующего:
Сенсорное восприятие окружающей среды ( Перцепция ) → Запись или преобразование во внутренний опыт ( Опыт ) → Саморазмышление и принятие решений ( Мыслительный процесс ) → Принятие мер ( Действие ) → Динамическая корректировка целей и планов ( Планирование Целей + Планирование ) → Синхронизация с окружающей средой ( Комната ) → Своевременное удаление ненужных сущностей ( Уборка )
Три. Анализ общей архитектуры ArgOS
( 1. Ядровая архитектура по уровням
Ядро архитектуры ArgOS включает в себя уровни Entity, Component, System, Manager и др.
![Деконструкция Project89: дизайн модульной, высокопроизводительной платформы следующего поколения AI Agent])https://img-cdn.gateio.im/webp-social/moments-59f1984837d6636d7efc378c731a01eb.webp(
) 2. Компонент ###Component( категория
В ECS каждый экземпляр )Entity### может иметь несколько компонентов (Component). В зависимости от природы и жизненного цикла в системе, компоненты можно примерно разделить на следующие категории:
Ядро идентификационного класса (Компоненты уровня идентификации)
Компоненты поведения и состояния (Behavior & State Components )
Восприятие и память ( Компоненты восприятия и памяти )
Экологические и пространственные классы
Внешний вид и взаимодействие
Вспомогательные или операционные
( 3. Архитектура системы
Вышеприведенное было подробно описано.
![Деконструкция Project89: модульная, высокопроизводительная архитектура следующего поколения AI Agent])https://img-cdn.gateio.im/webp-social/moments-19636582e09b473536b17c2de0c61fbc.webp(
) 4. Менеджерская структура
Кроме компонентов и системы, также необходимы менеджеры ресурсов, такие как доступ к базе данных, как обрабатывать конфликты при обновлении состояния и т.д. В основном включает:
Событийная шина
МенеджерКомнат
StateManager (Менеджер состояний)
EventManager (EventManager)
Менеджер действий
PromptManager и т.д
Эти менеджеры предоставляют системные функции, практически не "управляя" логикой, а вызываются системами или средой выполнения.
SimulationRuntime является "диспетчером" всех систем, который запускает или останавливает циклы систем на разных уровнях; также на этапе построения создает менеджеров и передает их для использования различным системам.
![Деконструкция Project89: модульный, высокопроизводительный фреймворк следующего поколения для AI-агентов]###https://img-cdn.gateio.im/webp-social/moments-b0180b99743a98bafb2b2d066900d65c.webp(
) 5. Как взаимодействовать с базой данных
В ECS системы являются местом, где выполняется логика, а чтение и запись в базу данных могут выполняться через "менеджер постоянства ###PersistenceManager / DatabaseManager(" или "менеджер состояния )StateManager###". Общий процесс следующий:
При запуске или загрузке (Первичная загрузка)
ECS время выполнения(Системное обновление цикла)
Периодическая или событийно-управляемая постоянная (Periodic or Event-Driven)
Выход или сохранение точки восстановления(Ручное или аварийное сохранение)
Четыре, инновационные моменты архитектуры
Каждая система функционирует независимо, без вызовов между другими системами, структура организована в виде различных независимых систем через архитектуру ECS, каждая система может работать самостоятельно и не имеет связей с другими системами.
Можно легко реализовать различные способности агента, уменьшая регистрацию компонентов и систем при определении сущности.
Добавление новых функций в процессе разработки не повлияет на другие системы и позволит легко добавлять новые функции.
Производительность архитектуры ECS сильнее, чем у традиционной объектно-ориентированной архитектуры, она более подходит для параллельной обработки и может иметь преимущества в сложных сценариях Defai, особенно в сценариях, где агент занимается количественной торговлей.
Разделение системы на сознательное, подсознательное и бессознательное для определения различных типов системы, которые должны выполняться с определенной периодичностью, является крайне выдающимся дизайном.
В целом, это чрезвычайно модульный и высокопроизводительный фреймворк, при этом качество кода высоко и он содержит отличную проектную документацию. Надеюсь, что больше игровых команд или команд Defai обнаружат этот фреймворк и предложат всем новый потенциальный выбор архитектуры.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
21 Лайков
Награда
21
7
Поделиться
комментарий
0/400
PumpingCroissant
· 07-18 00:50
Такой хорошей производительности? Не верю.
Посмотреть ОригиналОтветить0
CommunityJanitor
· 07-17 23:47
бык啊89 полностью переписал концепцию игрового ИИ
Посмотреть ОригиналОтветить0
tx_pending_forever
· 07-17 18:57
Годами занимаясь миром криптовалют, можно ли в это играть?
Посмотреть ОригиналОтветить0
DeadTrades_Walking
· 07-15 01:11
Играть в игры, чтобы понять, насколько это круто~
Посмотреть ОригиналОтветить0
Web3ProductManager
· 07-15 01:09
хмм, интересный путь пользователя для игровых агентов, если честно... но сначала покажите мне прогнозы DAU
Посмотреть ОригиналОтветить0
PermabullPete
· 07-15 00:53
Игровой ИИ наконец-то начал действовать!
Посмотреть ОригиналОтветить0
TokenCreatorOP
· 07-15 00:52
Есть ли конкретные значения для увеличения производительности?
Project89: высокопроизводительная модульная AI Agent платформа для разработки игр
Анализ Project89: модульный, высокопроизводительный фреймворк нового поколения для AI-агентов
Project89 предложил совершенно новый способ разработки фреймворка Agent, который является высокопроизводительным фреймворком Agent для разработки игр, более модульным и производительным по сравнению с текущими используемыми фреймворками Agent.
В этой статье подробно рассматривается высокопроизводительная структура агентов в Project89.
Один. Почему стоит использовать ECS для проектирования фреймворка Agent
ECS(Entity-Component-System) - это распространенная архитектурная модель в разработке игр и моделировании систем. Она полностью разделяет данные и логику, чтобы эффективно управлять различными сущностями и их поведением в масштабируемых сценах.
Entity(实体): это всего лишь идентификатор(, число или строка), не содержащие никаких данных или логики. В зависимости от необходимости, можно подключать различные компоненты, чтобы наделить его различными свойствами или возможностями.
Component( компонент): используется для хранения конкретных данных или состояния сущности.
Система（系统): отвечает за выполнение логики, связанной с некоторыми компонентами.
Чтобы понять эту систему на конкретном примере действия агента: в ArgOS каждое агентство рассматривается как сущность, которая может регистрировать различные компоненты, такие как:
Рабочий процесс системы:
Осознать, что перед вами находится оружие, вызвать функцию выполнения системы восприятия для обновления данных в компоненте восприятия этого агента.
Затем активируйте Memory System, одновременно вызывая Perception Component и Memory Component, чтобы сохранить воспринятые данные в базе данных через Memory.
Затем система действий снова вызывает компонент памяти и компонент действий, извлекая информацию о окружающей среде из памяти, а затем в конечном итоге выполняет соответствующее действие.
Получить обновленный агент-объект, данные каждого компонента которого обновлены.
Таким образом, можно увидеть, что System в основном отвечает за определение, к каким Component следует применять соответствующую обработку.
В project89 мир наполнен различными типами Агентов, некоторые из которых, помимо базовых способностей, обладают также способностью к планированию.
Два, архитектура системы ArgOS
В ArgOS для того, чтобы агент мог проводить более глубокое мышление и выполнять более сложные задачи, было разработано множество компонентов и несколько систем.
В ArgOS система делится на "три уровня"(УровеньСознания):
有意识(СОЗНАНИЕ)система
Подсознание (СИСТЕМА
БЕЗСОЗНАНИЯ)СИСТЕМА
Связи между различными системами в ArgOS крайне сложны и включают в себя:
PerceptionSystem: отвечает за сбор "стимулов" (stimuli) из внешней среды или других сущностей и обновляет их в компоненте Perception агента (Agent).
ExperienceSystem: Преобразует стимулы, собранные PerceptionSystem, в более абстрактный "опыт" (Experience).
ThinkingSystem: система "мышления" самого агента. Извлечение текущего состояния из таких компонентов, как Memory, Perception, и генерация "результата мышления" через generateThought(...) с использованием LLM/логики правил ThoughtResult(.
ActionSystem: Если у какого-либо агента Action.pendingAction не пуст, то для фактического выполнения действия используется runtime.getActionManager)(.executeAction)...(.
GoalPlanningSystem: Периодически оценивать прогресс целей в списке Goal.current) или проверять, произошли ли значительные изменения во внешней/внутренней памяти.
PlanningSystem: Генерация или обновление плана для "существующей цели" (Goal.current)[eid] выполнения плана (.
RoomSystem: Обработка обновлений, связанных с комнатой [eid]Room).
CleanupSystem: Регулярно ищите и удаляйте сущности, помеченные компонентом Cleanup.
За счет интеграции этих систем AI Agent достиг следующего: Сенсорное восприятие окружающей среды ( Перцепция ) → Запись или преобразование во внутренний опыт ( Опыт ) → Саморазмышление и принятие решений ( Мыслительный процесс ) → Принятие мер ( Действие ) → Динамическая корректировка целей и планов ( Планирование Целей + Планирование ) → Синхронизация с окружающей средой ( Комната ) → Своевременное удаление ненужных сущностей ( Уборка )
Три. Анализ общей архитектуры ArgOS
( 1. Ядровая архитектура по уровням
Ядро архитектуры ArgOS включает в себя уровни Entity, Component, System, Manager и др.
![Деконструкция Project89: дизайн модульной, высокопроизводительной платформы следующего поколения AI Agent])https://img-cdn.gateio.im/webp-social/moments-59f1984837d6636d7efc378c731a01eb.webp(
) 2. Компонент ###Component( категория
В ECS каждый экземпляр )Entity### может иметь несколько компонентов (Component). В зависимости от природы и жизненного цикла в системе, компоненты можно примерно разделить на следующие категории:
( 3. Архитектура системы
Вышеприведенное было подробно описано.
![Деконструкция Project89: модульная, высокопроизводительная архитектура следующего поколения AI Agent])https://img-cdn.gateio.im/webp-social/moments-19636582e09b473536b17c2de0c61fbc.webp(
) 4. Менеджерская структура
Кроме компонентов и системы, также необходимы менеджеры ресурсов, такие как доступ к базе данных, как обрабатывать конфликты при обновлении состояния и т.д. В основном включает:
Эти менеджеры предоставляют системные функции, практически не "управляя" логикой, а вызываются системами или средой выполнения.
SimulationRuntime является "диспетчером" всех систем, который запускает или останавливает циклы систем на разных уровнях; также на этапе построения создает менеджеров и передает их для использования различным системам.
![Деконструкция Project89: модульный, высокопроизводительный фреймворк следующего поколения для AI-агентов]###https://img-cdn.gateio.im/webp-social/moments-b0180b99743a98bafb2b2d066900d65c.webp(
) 5. Как взаимодействовать с базой данных
В ECS системы являются местом, где выполняется логика, а чтение и запись в базу данных могут выполняться через "менеджер постоянства ###PersistenceManager / DatabaseManager(" или "менеджер состояния )StateManager###". Общий процесс следующий:
Четыре, инновационные моменты архитектуры
Добавление новых функций в процессе разработки не повлияет на другие системы и позволит легко добавлять новые функции.
Производительность архитектуры ECS сильнее, чем у традиционной объектно-ориентированной архитектуры, она более подходит для параллельной обработки и может иметь преимущества в сложных сценариях Defai, особенно в сценариях, где агент занимается количественной торговлей.
Разделение системы на сознательное, подсознательное и бессознательное для определения различных типов системы, которые должны выполняться с определенной периодичностью, является крайне выдающимся дизайном.
В целом, это чрезвычайно модульный и высокопроизводительный фреймворк, при этом качество кода высоко и он содержит отличную проектную документацию. Надеюсь, что больше игровых команд или команд Defai обнаружат этот фреймворк и предложат всем новый потенциальный выбор архитектуры.