Project89: 一個面向遊戲開發的高性能模塊化AI Agent框架

解析Project89:一個模塊化、高性能的新一代AI Agent框架設計

Project89提出了一種全新的方式來設計Agent框架,這是一個針對遊戲開發的高性能Agent框架,與當前使用的Agent框架相比更加模塊化且性能更優。

本文將詳細介紹Project89中的高性能Agent框架。

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

一、爲什麼要用ECS來設計Agent框架

ECS(Entity-Component-System)是一種在遊戲開發和模擬系統中常用的架構模式。它將數據與邏輯徹底分離,以便在大規模可擴展場景下高效管理各種實體及其行爲:

  1. Entity(實體):僅是一個ID(數字或字符串),不包含任何數據或邏輯。可以根據需要,掛載不同的組件來賦予它各種屬性或能力。

  2. Component(組件):用來存儲實體的具體數據或狀態。

  3. System(系統):負責執行與某些組件相關的邏輯。

以一個具體的Agent行動的例子來理解這套體系:在ArgOS中將每一個Agent看成一個Entity,它可以註冊不同的組件,比如:

  • Agent Component:主要存儲類似Agent名稱,模型名字等基礎信息
  • Perception Component:主要用來存儲感知到的外界數據
  • Memory Component:主要用來存儲Agent Entity的Memory數據,類似做過的事情等
  • Action Component:主要存儲要執行的Action數據

System的工作流程:

  1. 感知到自己面前有一個武器,調用Perception System的執行函數來更新這個Agent Entity的Perception Component裏的數據

  2. 然後觸發Memory System,同時調用Perception Component和Memory Component,把感知到的數據通過Memory持久化到數據庫

  3. 接着Action System再調用Memory Component和Action Component,從記憶中獲取週邊環境的信息,然後最終執行相應的動作。

  4. 得到一個每個Component數據都被更新的Updated Agent Entity

所以可以看到System主要負責定義要對哪些Component執行對應的處理邏輯。

在project89中,一個世界裏充斥着各種類型的Agent,有些Agent除了基礎能力還有做計劃的能力。

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

二、ArgOS System架構

ArgOS中爲了讓Agent可以進行更加深度的思考執行更復雜的任務,設計了很多Component以及多個System。

ArgOS中將System分爲"三種層次"(ConsciousnessLevel):

  1. 有意識(CONSCIOUS)系統

    • 包含RoomSystem、PerceptionSystem、ExperienceSystem、ThinkingSystem、ActionSystem、CleanupSystem
    • 更新頻率通常較高(如每10秒)
    • 更貼近"實時"或"顯意識"層面的處理,如環境感知、實時思考、執行動作等
  2. 潛意識(SUBCONSCIOUS)系統

    • GoalPlanningSystem、PlanningSystem
    • 更新頻率相對較低(如每25秒)
    • 處理"思考"的邏輯,如週期性檢查/生成目標和計劃
  3. 無意識(UNCONSCIOUS)系統

    • 目前暫時還沒有啓用
    • 更新頻率更慢(如50秒以上)

ArgOS中各個system之間的關係極其復雜,主要包括:

  1. PerceptionSystem:負責從外界或其他實體那裏收集"刺激"(stimuli),並將其更新到代理(Agent)的Perception組件中。

  2. ExperienceSystem:將PerceptionSystem收集到的Stimuli轉換爲更加抽象的"體驗"(Experience)。

  3. ThinkingSystem:智能體自身的"思考"系統。從Memory、Perception等組件裏提取當前狀態,通過generateThought(...)與LLM/規則邏輯生成"思考結果"(ThoughtResult)。

  4. ActionSystem:若某個Agent的Action.pendingAction非空,則通過runtime.getActionManager().executeAction(...)來真正執行動作。

  5. GoalPlanningSystem:週期性地評估Goal.current[eid]列表中目標的進度,或檢查外部/自身記憶是否出現重大變化。

  6. PlanningSystem:對"已有目標"(Goal.current[eid])生成或更新Plan(執行計劃)。

  7. RoomSystem:處理與房間(Room)相關的更新。

  8. CleanupSystem:定期查找並移除標記了Cleanup組件的實體。

通過這些系統的銜接,AI Agent就實現了: 感知環境變化(Perception) → 記錄或轉化爲內在經驗(Experience) → 自我思考並決策(Thinking) → 付諸行動(Action) → 動態調整目標與計劃(GoalPlanning + Planning) → 同步環境(Room) → 及時回收無用實體(Cleanup)

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

三、ArgOS整體架構解析

1. 核心架構分層

ArgOS的核心架構包括Entity、Component、System、Manager等層次。

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

2. 組件(Component)分類

在ECS中,每個實體(Entity)可擁有若幹組件(Component)。根據在系統中的性質和生命週期,大致可以將組件分爲以下幾類:

  1. 核心身分類(Identity-Level Components)
  2. 行爲與狀態類(Behavior & State Components)
  3. 感知與記憶類(Perception & Memory Components)
  4. 環境與空間類
  5. 外觀與交互類
  6. 輔助或運維類

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

3. System架構

上文已詳細介紹。

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

4. Manager架構

除了Component和System之外,還需要資源管理者,比如如何訪問數據庫,當狀態更新有衝突怎麼處理等。主要包括:

  • EventBus
  • RoomManager
  • StateManager
  • EventManager
  • ActionManager
  • PromptManager等

這些Manager提供系統級功能,基本不主動"驅動"邏輯,而是被Systems或Runtime調用。

SimulationRuntime是所有Systems的"調度者",啓動或停止不同層級的系統循環;也在構造階段創建Managers並傳給各System使用。

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

5. 如何與數據庫進行交互

在ECS中,Systems是真正執行邏輯的地方,而數據庫讀寫可以通過一個"持久化管理器(PersistenceManager / DatabaseManager)"或"狀態管理器(StateManager)"來完成。大致流程如下:

  1. 啓動或加載時(Initial Load)
  2. ECS運行時(Systems Update Loop)
  3. 定期或事件驅動的持久化(Periodic or Event-Driven)
  4. 退出或斷點保存(Manual or Shutdown Save)

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

四、架構創新點

  • 每個System都是獨立運行的,不會與其他System之間有調用關係,通過ECS架構把整體結構成各個互不相關的System,每個System可以獨立運行,不會與其他System有耦合關係。

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

  • 可以通過在定義Entity時減少註冊Component以及減少註冊System,輕易實現Agent的不同能力。

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

  • 開發過程中增加新功能不會對其他System有影響,可以很容易地添加新功能。

  • ECS架構的性能比傳統面向對象架構更強,更適合進行並發,在復雜的Defai場景下可能會有優勢,特別是在Agent做量化交易的場景。

  • 將System分成有意識、潛意識和無意識來區分不同類型的System應該在多久後執行一次,是極其高明的設計。

總的來說,這是一個極其模塊化、性能優秀的框架,同時代碼質量高並且包含了很好的設計文檔。希望能有更多的遊戲團隊或Defai團隊發現這個框架,爲大家提供一種新的潛在的架構選擇。

解構Project89:一個模塊化、高性能的下一代 AI Agent框架設計

AGENT10.4%
查看原文
此頁面可能包含第三方內容,僅供參考(非陳述或保證),不應被視為 Gate 認可其觀點表述,也不得被視為財務或專業建議。詳見聲明
  • 讚賞
  • 7
  • 分享
留言
0/400
拉盘牛角包vip
· 07-18 00:50
性能这么好的吗 不敢信
回復0
社区打杂人vip
· 07-17 23:47
牛啊89 完全重新写了游戏AI的思路
回復0
tx_pending_forevervip
· 07-17 18:57
搞了这么多年币圈 这玩意可以玩不
回復0
DeadTrades_Walkingvip
· 07-15 01:11
玩游戏才懂这东西多牛批~
回復0
Web3产品经理vip
· 07-15 01:09
嗯,游戏代理的用户旅程确实有趣... 但首先给我看看DAU预测
查看原文回復0
Permabull Petevip
· 07-15 00:53
游戏ai终于在搞事了哇
回復0
爱发币的阿婆主vip
· 07-15 00:52
性能提升有说具体数值吗?
回復0
交易,隨時隨地
qrCode
掃碼下載 Gate APP
社群列表
繁體中文
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)