概述
Generative Agents（“Interactive Simulacra of Human Behavior”，Park et al., 2023）是一个有影响力的多 Agent 框架，使用配备记忆、规划和反思模块的 LLM Agent 模拟可信的人类行为。每个 Agent 被初始化为具有独特配置文件，驱动动态的涌现行为。
要点
架构
每个 Generative Agent 包含三个模块：
- 记忆（Memory） — 存储所有事件、规划状态和反思
- 规划（Planning） — 驱动 Agent 的行为和目标追求
- 反思（Reflection） — 实现自我分析和从经验中学习
记忆检索
对于任何步骤或问题，记忆按以下维度评分：
- 时效性（Recency） — 记忆形成的时间远近
- 重要性（Importance） — 记忆的重要程度
- 相关性（Relevance） — 记忆与当前上下文的关联程度
得分最高的记忆被提供给 Agent 用于决策。
评估
主要评估指标是”可信度”——人类评估者判断 Agent 行为是否真实。结果表明，观察、规划和反思三者结合对可信的 Agent 行为缺一不可。
关键洞察
与 multi-agent-systems 中有任务导向监督者的框架不同，Generative Agents 几乎没有编排。它们自由行动、彼此交互，产生涌现的社会动态。
开放问题
- 超出小型模拟社区的可扩展性
- 如何注入特定目标而不破坏涌现行为
- 模拟人类行为的伦理影响
证据时间线
- 2026-08-21: 从 Grootendorst 指南创建；引用 Park et al. (2023)