# Genesis(创世)· 产品需求文档 PRD

> **版本**:v0(草案) · **日期**:2026-06-10 · **状态**:讨论靶子,待迭代
> **图例**:✅ 已敲定 · 🟡 待对齐(TODO) · 🔭 远期北极星
> **一句话**:一个多智能体驱动、随人类进程自然演进的沙盒世界,你作为造物主观察并干预 agent 的一生与文明的兴衰。

---

## 0. 文档导读

本文把**已聊透的产品构思**写详细,把**重要但未对齐的**简记并标 `🟡 TODO`。所有 TODO 在 §12 汇总,作为后续对齐清单。开发按"分层 + 流水线"推进(见 §9、§13)。

---

## 1. 产品愿景与北极星 ✅

### 1.1 精神来源
斯坦福小镇(Generative Agents 的"拟人灵魂")+《文明6》(自然演进的文明)+ 我的世界(开放沙盒)。

### 1.2 北极星 🔭
打造一个**随"人类进程"自然演进的 agent 世界**:agent 像真人一样日出而作、日落而息、有爱好有作息、会社交、会成长、会衰老死亡、会把遗产传给下一代;文明随之从村落 → 分工 → 制度 → 科技纪元层层推进。**林动作为造物主**,可俯瞰全局、透视任意 agent 的内心、加速时间、注入世界事件,并对比不同**世界线**下文明的分叉演化。

### 1.3 产品信条(设计原则)
- **拟人 > 能用**:agent 的可信度(believability)是第一性,不满足于"会动",要"像个人"。
- **涌现 > 脚本**:行为应从人设 × 记忆 × 环境中涌现,而非硬编码剧本。
- **可观察 + 可干预**:造物主体验是核心卖点,内部状态(心理/关系/目标)必须可透视、世界必须可改写。
- **热插拔 + 可扩展**:map / object / agent 都能随时塞进世界,架构为"开放世界"和未来 UGC 预留。

---

## 2. 目标用户与场景 ✅(v1)/ 🔭(远期)

| 阶段 | 用户 | 核心场景 |
|---|---|---|
| **v1** | 林动(造物主/研究者,单人) | 创建小村落与 agent,观察其自然生活与社交;注入事件看反应;透视任意 agent 内心 |
| **🔭 远期** | 创作者(UGC) | 别人定义角色投入世界,人 + agent vs 人 + agent 的混合社交 |

---

## 3. 核心概念模型(领域定义)✅(骨架)/ 🟡(部分字段)

> 这是后续所有模块共享的"世界本体论"。先定骨架,字段细节随各模块深化。

- **World**:世界的根容器。持有全局时钟、所有 Map、所有 Agent、世界目标(World Goal)、当前 Timeline 指针。
- **Clock(世界时钟)**:模拟时间(年/月/日/时)。支持**加速倍率**(real-time → ×N → 跳步)。日出日落、季节由它驱动。
- **Map**:一张可承载活动的地理场景(村落/城市/海边/雪山/森林…)。由 **Tile 网格**构成,可热加载。多张 Map 之间可连通(🟡 TODO:跨 Map 移动/传送规则)。
- **Tile**:地图最小单元,带地形类型(草地/水/雪/路…)与可通行性。
- **Object**:地图上的实体(建筑/家具/资源/道具)。带**可供性(affordance)**——即"能对它做什么"(图书馆→读书、灶台→做饭、市政府→投票)。建筑要素:图书馆、办公楼、市政府、娱乐场所、住宅、商店、公园…(PixelLab 出素材)。
- **Agent**:有人设/性格/记忆/技能/目标的智能体。详见 §4。
- **Skill**:agent 可执行的能力(cook / program / farm…)。可**习得并积累**(Voyager 式技能库),技能增长驱动文明演进。详见 §4.7、§6。
- **Memory**:agent 的记忆流(观察/对话/事件),带时间戳、重要度、最近访问时间。详见 §4.4。
- **Reflection**:对记忆的高阶综合(性格/偏好/对他人印象)。详见 §4.5。
- **Plan**:agent 的日程与当前目标(高层计划 → 具体行为)。详见 §4.6。
- **Event(世界事件)**:造物主或世界自身注入的扰动(海啸/龙卷风/内卷加速/节日…)。详见 §5.2。
- **Timeline(世界线)**:某一时刻 World 状态的快照分支,可 fork、可对比。详见 §5.3。

---

## 4. Agent 拟真度规格 ✅(框架)/ 🟡(关键参数待聊透)

> ⚠️ 这是产品的灵魂,也是**最需要再对齐的一块**。下面是 v0 草案,标 🟡 的需要单独拉一次"Agent 拟真度专题"聊透。

### 4.1 人设(Persona)✅
通过 **agent 工厂口子**输入即可创建(见 §7.1):
- 基本:姓名、年龄、性别、外貌(→ PixelLab 立绘)
- 身份:职业、社会角色、背景故事
- 性格:**MBTI 16 型**作为骨架(🟡 TODO:MBTI 如何映射到具体行为倾向——决策风格、社交主动性、作息偏好、风险偏好)
- 价值观/喜好:爱好、信念、好恶
- 人际关系:初始关系网(谁是家人/朋友/对手)

### 4.2 作息与生物节律 ✅(概念)/ 🟡(规则)
"日出而作、日落而息",但因年龄/性格而异(有人熬夜、有人早起)。由 Clock 驱动。
🟡 TODO:作息如何由 MBTI/年龄/职业生成;精力/饥饿/健康等"生理状态"要不要建模。

### 4.3 感知(Perception)✅
agent 感知周围 Tile、Object、其他 Agent 及其可见状态。**关键**:必须能感知**他人的社会动机/角色**——Project Sid 证明,只有具备社会感知,分工与差异化才会涌现(否则千篇一律)。

### 4.4 记忆流(Memory Stream)✅(架构)
采用 Stanford 经典三件套之一。每条记忆 = {内容, 创建时间, 最近访问时间, **重要度评分**}。
- 检索 = f(相关性, 新近度, 重要度) 加权(🟡 TODO:权重与打分函数,后续可调优)。
- **外接长期记忆**:先接 **mem0**(成本低、可 bolt-on、DeepSeek 友好、迁移成本低),Letta 备选。短期记忆走 LangGraph state。🟡 TODO:mem0 落地接入验证。

### 4.5 反思(Reflection)✅
周期性把记忆流综合成高阶结论(性格/偏好/**对他人的印象**)。
⚠️ **避坑**:反思必须**严格绑定真实记忆**,加来源校验,防止"反思根本没发生过的事"(前人踩过)。

### 4.6 规划(Planning)✅(框架)
高层日程 → 当前目标 → 具体行为分解。
🟡 TODO:是否引入 **Voyager 自动课程**(根据当前状态自动生成"够得着的下一个目标"),让成长自驱。

### 4.7 技能 / 工具(Skill)✅(概念)/ 🟡(实现)
- 静态:按身份/职业初始配备(cook、program、farm…)。
- 🔭 动态:**Voyager 式技能库**——技能 = 可执行逻辑 + 自然语言描述向量索引,成功即入库,新任务检索 top-k 注入。技能库增长 = 个人成长 + 文明科技树推进。
- **放权偏好**(沿用林动既有偏好):动作空间不能太小,宁可粗放黑名单也不要"安全到无用"。🟡 TODO:动作/工具的安全边界与黑名单。

### 4.8 情绪与心理状态 ✅(要有)/ 🟡(模型)
agent 有当下情绪、心理状况(造物主可透视)。
🟡 TODO:情绪模型选型(离散标签 / PAD 维度 / 简单数值),如何影响决策与对话。

### 4.9 ⚠️ 拟人避坑(写入规格)
- **制造摩擦**:用 MBTI 人设让 agent 会拒绝、有分歧、坚持己见,避免 instruction-tuned 模型"过度礼貌→没主见→被同化→对话假大空"。
- **反思防幻觉**:见 §4.5。

---

## 5. 上帝视角能力(造物主)✅(能力清单)/ 🟡(交互形态)

### 5.1 观察(Observe)✅
对任意 agent,可透视:
- 当下心理/情绪状态
- 对其他人的印象(关系表 + 反思)
- 当下目标与计划
- 记忆流 / 反思层(可下钻)
- 🔭 一生叙事:记忆+反思自动合成的"传记/纪录片"(强情感钩子,远期)
- 全局:关系图谱、世界事件时间线、文明指标面板

### 5.2 干预(Intervene)✅
- **世界目标(World Goal)**:可输入的世界级导向(如"加速内卷")。
- **事件注入**:海啸/龙卷风/节日/资源枯竭…作为扰动施加到世界。
- **时间加速**:Clock 倍率调节(real-time → ×N → 跳步)。
- 🟡 TODO:能否直接编辑 agent 状态/Map/Object(造物主的"上帝之手"边界)。

### 5.3 世界线分叉(Timeline Fork)✅(机制)/ 🟡(产品化)
利用 **LangGraph durable checkpoint**:对 World 状态打快照 → 从任意时刻 fork 平行世界线 → 注入不同变量 → 对比演化。这是核心差异化护城河。
🟡 TODO:快照粒度、存储成本、世界线对比的 UI 呈现。

---

## 6. 世界演进:文明6 模式 🔭(北极星)/ 🟡(机制全待对齐)

> 终极目标,v1 不做,但架构要为它留位。此处仅记录方向 + TODO,后续专题深聊。

- **科技/纪元推进**:由技能库增长 + 集体产出驱动,从村落 → 分工 → 制度 → 纪元跃迁。🟡 TODO:显式科技树 or 纯涌现?
- **生命周期 + 代际**(借 Hive):出生→衰老→死亡→留遗产(记忆/财产/文化)→传给下一代,文明跨代积累。🟡 TODO:死亡与继承规则。
- **涌现治理**(借 Sid):市政府要素支持立法/投票/改规则。🟡 TODO。
- **文化涌现**(借 Sid):meme(受性格自发生成)、信仰/风俗的传播。🟡 TODO。
- **🟡 TODO(开放问题)**:"文明自然演进"在 LLM 驱动下如何可控又可信地发生?(这是全项目最大的未知,需专题研究 + 实验。)

---

## 7. 可扩展性契约 ✅(原则)/ 🟡(接口签名)

### 7.1 Agent 工厂(核心口子)✅
**必须**提供一个干净的入口:输入 `{姓名, 人设, 性格(MBTI), 职业, 人际关系, 初始位置, [LLM配置]}` → 自动实例化 agent 并注入世界,立即开始活动。配置形态倾向 **声明式(YAML/JSON)+ SDK 双通道**。🟡 TODO:字段 schema 定稿。

### 7.2 Map / Object 热插拔 ✅
新 Map / Object(含 PixelLab 素材 + 可供性定义)可在运行时加载进 World,无需重启。🟡 TODO:资源包格式(素材 + 元数据 + 可供性)定义。

### 7.3 LLM 可配置 ✅
每个 agent 的 LLM 可独立配置,默认 **deepseek-v4-flash**(`base_url=https://api.deepseek.com`)。key 走环境变量,**禁止硬编码**(见 §10)。

---

## 8. 技术架构选型 ✅(方向)/ 🟡(细节)

> 决策:**自建核心**,不基于 AgentSociety/AI Town 二开(后两者作参考)。Python + conda 环境(env 名 = 项目目录名)。

| 层 | 选型 | 状态 |
|---|---|---|
| Agent 编排/状态/持久化 | **LangGraph**(checkpoint 天生支持世界线分叉) | ✅ 方向定 |
| 认知架构 | Stanford 记忆流+反思+规划 ⊕ 借鉴 Sid **PIANO 并发脑**(并发模块 + 中央认知瓶颈保连贯) | ✅ 方向 / 🟡 模块划分 |
| 长期记忆 | **mem0**(先接),Letta 备选 | ✅ 方向 / 🟡 接入验证 |
| LLM | deepseek-v4-flash(可配),litellm 抽象多模型 | ✅ |
| 世界引擎 | 自建:Clock + Tile 网格 World 状态机 + 事件系统 | 🟡 设计 |
| 素材生成 | **PixelLab**(character ✅ 已用过 / object / map) | ✅ |
| 可视化(Phase 1.5) | 2D 像素小镇,web 渲染 + 上帝视角面板 | 🟡 选型(canvas/引擎待定) |
| 观察/运营后台 | 透视面板 + 事件注入 + 时间控制 | 🟡 设计 |

🟡 TODO:成本优化方案(行为缓存、相似情境复用、非活跃 agent 降频)——前人 25 人 2 天烧数千刀,这是 15 人能否跑得起的关键。

---

## 9. 演进路线(里程碑)✅

| 阶段 | 目标 | 交付 |
|---|---|---|
| **Phase 1** 观察沙盒 | 15–25 人小村落,agent 自然生活/社交,造物主可透视 + 注入事件 + 加速。先数据面板观察。 | 可跑的仿真核心 + 观察后台 |
| **Phase 1.5** 可视化 | 2D 像素小镇可视化(PixelLab 素材),agent 走动/对话可见 | 可视化客户端 |
| **Phase 2** 文明演进 🔭 | 技能库/科技树、生命周期/代际、涌现治理与文化 | 文明演进系统 |
| **Phase 3** UGC 多人 🔭 | 别人投角色入世,人+agent 混合社交 | 开放世界平台 |

> 开发遵循"分层、自底向上":service/工具 → 编排 → 全链路,每层必测(见 §13)。

---

## 10. 非功能约束 ✅
- **成本**:DeepSeek-flash + 工程优化,15 人小村落要能持续低成本运行(目标:🟡 TODO 设定每"模拟日"成本预算)。
- **性能**:支持时间加速;非活跃 agent 降频以省算力。
- **安全**:key/密钥走环境变量,严禁硬编码;外部输入校验。
- **可观测**:关键路径(决策、外部调用、状态变更、错误)结构化日志**落盘到文件**,带时间戳/级别/上下文,支持轮转——**通过日志落盘做 debug**。

---

## 11. 调研避坑清单 ✅(写入约束)
1. **成本爆炸**(Stanford 25人2天≈数千刀)→ 便宜模型 + 缓存/降频。
2. **过度礼貌没灵魂** → MBTI 制造摩擦/拒绝/分歧。
3. **反思幻觉** → 反思绑定真实记忆 + 来源校验。
4. **无社会感知则分工不涌现**(Sid)→ agent 必须能读到他人社会动机。

---

## 12. 🟡 待对齐 TODO 汇总(下次专题对齐清单)

**P0(阻塞设计,优先聊透)**
- [ ] §4 **Agent 拟真度专题**:MBTI→行为映射、作息/生理状态、情绪模型、规划是否引入自动课程、技能库实现与动作安全边界
- [ ] §7.1 Agent 工厂字段 **schema 定稿**
- [ ] §8 **成本优化方案** + 每模拟日成本预算

**P1(影响架构,尽快)**
- [ ] §3 跨 Map 移动/连通规则;§7.2 资源包格式(素材+可供性)
- [ ] §4.4 mem0 接入验证;记忆检索权重函数
- [ ] §8 PIANO 并发脑的模块划分;世界引擎详细设计

**P2(远期北极星,留位即可)**
- [ ] §6 文明演进全套机制(科技树 vs 涌现、代际继承、治理、文化)——**全项目最大未知,需专题研究**
- [ ] §5.3 世界线分叉的存储成本与对比 UI
- [ ] §5.1 一生叙事/纪录片;§2 UGC 与多人

**杂项**
- [ ] 项目正式命名(暂用代号 Genesis;候选:万民 / 小镇纪元)

---

## 13. 下一步:产品需求 → 开发流水线

1. 本 PRD 定稿 v0 后 → 拆 **Phase 1 需求清单**(epic → story)。
2. 按"分层、自底向上"排开发流水线:基础 service(World/Clock/Agent/Memory)→ 编排(感知-决策-行动循环)→ 全链路(造物主观察+干预)。
3. 评估**需要几个开发 agent**(林动来创建对应 agent 参与),按模块认领 + 排期。

---

## 附录 A:参考产品与调研来源
- **Stanford Generative Agents**(灵魂架构):arXiv 2304.03442
- **Project Sid / Altera**(PIANO、规模化、社会涌现):arXiv 2411.00114,github altera-al/project-sid
- **AgentSociety**(清华,开源参考):arXiv 2502.08691,github tsinghua-fib-lab/agentsociety
- **Voyager**(技能库、自动课程):arXiv 2305.16291
- **Hive / NeuroCivilization / OASIS 等**(生命周期/进化/社会动作):github danielrosehill/AI-Synthetic-Society-Experiments
- **Affordable Generative Agents**(成本优化):arXiv 2402.02053
- **AI Town**(可玩/多人形态参考):a16z-infra/ai-town