Project89: 模块化高性能的下一代AI Agent框架

薛定谔的gas

2025-08-10 19:47:02

解构Project89:一个模块化、高性能的下一代AI Agent框架设计

Project89采用了一种全新的方式来设计Agent Framework,这是一个针对游戏开发的高性能Agent Framework,与目前使用的Agent Framework相比更加模块化也有更好的性能。

本文将详细介绍Project89中的高性能Agent Framework。

一、为什么要用ECS来设计Agent Framework

ECS (Entity-Component-System)是一种在游戏开发与模拟系统中常用的架构模式。它将数据与逻辑彻底分离,以便在大规模可扩展场景下高效管理各种实体及其行为:

Entity(实体):仅仅是一个ID(数字或字符串),不包含任何数据或逻辑。可以根据需要,挂载不同的组件来赋予它各种属性或能力。
Component(组件):用来存储实体的具体数据或状态。
System（系统):负责执行与某些组件相关的逻辑。

以一个具体的Agent行动的例子来理解这套体系:在ArgOS中将每一个Agent看成一个Entity,它可以注册不同的组件,比如:

Agent Component:主要存储类似Agent名称,模型名字等基础信息
Perception Component:主要用来存储感知到的外界数据
Memory Component:主要用来存储Agent Entity的Memory数据,类似做过的事情等
Action Component:主要存储要执行的Action数据

System的工作流程:

感知到自己面前有一个武器,调用Perception System的执行函数来更新Agent Entity的Perception Component里面的数据
触发Memory System,同时调用Perception Component和Memory Component,把感知到的数据通过Memory持久化到数据库
Action System再调用Memory Component和Action Component,从记忆中获取周边环境的信息,然后执行相应的动作
得到一个每个Component数据都被更新的Updated Agent Entity

所以System主要负责定义要对哪些Component执行对应的处理逻辑。

在Project89里,一个世界中充斥着各种类型的Agent,有些Agent不仅拥有基础能力还有做计划的能力。

二、ArgOS System架构

ArgOS中为了让Agent可以进行更加深度的思考执行更复杂的任务,设计了很多Component,以及很多System。

ArgOS中将System分为"三种层次"(ConsciousnessLevel):

有意识(CONSCIOUS)系统
- 包含RoomSystem、PerceptionSystem、ExperienceSystem、ThinkingSystem、ActionSystem、CleanupSystem
- 更新频率通常较高(如每10秒)
- 更贴近"实时"或"显意识"层面的处理,如环境感知、实时思考、执行动作等
潜意识(SUBCONSCIOUS)系统
- GoalPlanningSystem、PlanningSystem
- 更新频率相对较低(如每25秒)
- 处理"思考"的逻辑,如周期性检查/生成目标和计划
无意识(UNCONSCIOUS)系统
- 目前暂时还没有启用
- 更新频率更慢(如50秒以上)

ArgOS中各个system之间的关系极其复杂,主要包括:

PerceptionSystem:负责从外界或其他实体那里收集"刺激"(stimuli),并将其更新到代理(Agent)的Perception组件中。
ExperienceSystem:将PerceptionSystem收集到的Stimuli转换为更加抽象的"体验"(Experience)。
ThinkingSystem:智能体自身的"思考"系统。从Memory、Perception等组件里提取当前状态,通过generateThought(...)与LLM/规则逻辑生成"思考结果"(ThoughtResult)。
ActionSystem:若某个Agent的Action.pendingAction非空,则通过runtime.getActionManager().executeAction(...)来真正执行动作。
GoalPlanningSystem:周期性地评估Goal.current[eid]列表中目标的进度,或检查外部/自身记忆是否出现重大变化。
PlanningSystem:对"已有目标"(Goal.current[eid])生成或更新Plan(执行计划)。
RoomSystem:处理与房间(Room)相关的更新。
CleanupSystem:定期查找并移除标记了Cleanup组件的实体。

通过这些系统的衔接,AI Agent就实现了:感知环境变化(Perception) → 记录或转化为内在经验(Experience) → 自我思考并决策(Thinking) → 付诸行动(Action) → 动态调整目标与计划(GoalPlanning + Planning) → 同步环境(Room) → 及时回收无用实体(Cleanup)