Agent Life 是一个基于 LLM（Qwen-2.5）的 Agent 仿真项目，通过赋予 Agent 不同的人设以观察 Agent 在一天中都会做些什么 😈。
客户端的渲染是基于 React 实现的，也许有些同学不熟悉 React 和 JS，所以我尽可能写的琐碎一点。
运行 React 首先需要安装 Node.js。
我们可以把 NodeJS 简单理解为跟 Python 环境一样，需要先装好 Python 环境才能运行 .py 的代码，同样的，我们需要先装好 Node.js 环境才能运行 js 代码。
- macOS / Linux 安装方法
# 安装 nvm (Node 版本管理器)
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.0/install.sh | bash
# 下载并安装 Node.js（可能需要重启终端）
nvm install 22
# 验证环境中是否存在正确的 Node.js 版本
node -v # 应该打印 `v22.11.0`
# 验证环境中是否存在正确的 npm 版本
npm -v # 应该打印 `10.9.0`- Windows 安装方法
# 安装 fnm (快速 Node 管理器)
winget install Schniz.fnm
# 配置 fnm 环境
fnm env --use-on-cd | Out-String | Invoke-Expression
# 下载并安装 Node.js
fnm use --install-if-missing 22
# 验证环境中是否存在正确的 Node.js 版本
node -v # 应该打印 `v22.11.0`
# 验证环境中是否存在正确的 npm 版本
npm -v # 应该打印 `10.9.0`上述方法截选自 Node.js 官方文档。
React 是 Javascript 的一个三方库（类似于 Python 里面的 PyQt），所以需要先安装一些该项目需要的一些依赖包。
在 python 里我们使用 pip install 来安装依赖，对应的，在 nodeJS 里有 npm install。
区别在于：当需要安装很多依赖时，我们会使用 pip install -r requirements.txt，但在 npm 中只用输入 npm install 即可，所有的依赖都默认写在了 ./package.json 文件中。
cd client
npm install运行后，Terminal 会显示以下内容：
......
......
npm warn node_modules/@react-three/drei/node_modules/three-mesh-bvh
npm warn three-mesh-bvh@"^0.6.0" from @react-three/[email protected]
npm warn node_modules/@react-three/drei
up to date in 1s
39 packages are looking for funding
run `npm fund` for details运行完成后，当前目录下会出现一个 ./node_modules 文件夹，里面包含了所有依赖包。
安装完所有依赖后，我们就可以运行项目了：
npm run dev运行后，Terminal 会显示以下内容：
VITE v4.1.4 ready in 885 ms
➜ Local: http://localhost:5173/
➜ press h to show help此时，打开浏览器访问 http://localhost:5173 访问 client。
服务端使用 python 实现，python 大家应该很熟悉了，这里就不再介绍安装方法。
在 llm_utils.py 文件中，填写自己的 LLM API 信息：
import requests
from openai import OpenAI
model_name = "qwen2.5-72b-instruct" # qwen-plus, 模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
api_key = "" # 阿里云 API Key项目里使用到的 微博发布、新闻热点爬取 等都需要使用个人 COOKIE，这个需要大家自行填写（如果不想搞 cookie 也可以在 funcation_calls.py 中注释掉不使用这些工具）。
所有工具都被放在 ./extensions 目录下，在 class 的注释中都贴上获取 COOKIE 的 URL（以 ./extensions/get_news.py 为例）：
class NewsFetcher(object):
"""
从各种新闻 API 获取新闻数据。
东方资讯新闻 COOKIE 获取 URL: https://mini.eastday.com/
"""
COOKIE = "" # 需填写自己的 COOKIEPS：详细获取 COOKIE 的方法可以看最开始的 🔗 文章链接。
当填写完 ./extensions 目录下的所有的 COOKIE 后，可以通过一键脚本测试：
cd server # 进入 server 目录
python -m extensions.test_all_cookies运行后，Terminal 会显示以下内容：
[❌ Unpassed] GeekNewsFetcher.test_fetch_geek_news
[✅ Passed] GeekNewsFetcher.test_fetch_hot_list
[✅ Passed] NewsFetcher.test_fetch_dongfang_news
[✅ Passed] NewsFetcher.test_fetch_toutiao_news
[✅ Passed] SearchFetcher.test_fetch_sougou_zhihu_results
[❌ Unpassed] LeetCodeFetcher.test_get_leetcode_hot_list
[✅ Passed] LeetCodeFetcher.test_get_question_details
[✅ Passed] LeetCodeFetcher.test_run_code_and_get_result
[✅ Passed] WeiBoTools.test_get_all_my_post_weibo
Testing cookies...: 100%|██████████████████████████████████████████████████████████| 5/5 [00:09<00:00, 1.87s/it]
Pass Rate: 80.00%(8/10).可以对照着成功/失败的结果，检查 COOKIE 抓取是否正确（或过期失效），由于网络波动，可以多测试几次，只要有一次成功就说明 COOKIE 有效。
默认源码已经配置好，不想了解实现可跳过该小节。
我们可以在 ./funciton_calls.py 文件中配置（或新增）我们想要 Agent 可以调用的函数。
一个 Function Call 被定义为一个 class，且同时拥有 call() 和 validate_func() 两个方法：
class BaseFunctionCall(abc.ABC):
"""
Function call 抽象基类，该类定义了 call() 用于实现一个具体的逻辑，
以及 validate_func() 用于判断当前状态是否需要被加入 agent 当前的行为空间中。
其中，call() 方法必须被子类重写，validate_func() 方法可选重写。
"""
@staticmethod
@abc.abstractmethod
def call(*args, **kwargs):
"""
具体的函数调用实现逻辑，必须在子类中实现。
"""
pass
@staticmethod
def validate_func(
agent_object,
room
):
"""
用于根据当前状态判断，是否需要被加入 agent 当前的行为空间中，
若返回 False，则不会被加入，默认返回 True。
"""
return Truecall()：具体的函数调用实现逻辑，必须在子类中实现。validate_func()：用于根据当前状态判断，是否需要被加入 agent 当前的行为空间中（比如：只有当 Agent 靠近「床」时，才能选择「睡觉」 这一个行为，即过滤掉先验过滤掉不合法的 action，降低模型判断的难度）。若返回 False，则不会被加入，默认会返回 True（代表这个行为在所有时刻都能被 Agent 选择调用）。
我们可以通过 @register_function_call_class 装饰器来快速注册一个 Function Call，这样就能通过 function_calls.py 中的 generate_valid_function_calls_prompts() 方法来快速为 function_calls.py 中所有注册过的 function_call 生成 Agent 所用的 prompt。
例如，我们实现了一个 AddMemory 的 Function Call，并带上装饰器：
@register_function_call_class
class AddMemory(BaseFunctionCall):
def call(
agent_object: object,
memory_content: str
):
"""添加一条记忆信息，通常发生在获取了新的信息之后。
Args:
agent_object (object): agent 对象，通常传入 self 即可。
memory_content (str): 需要添加的记忆内容，一条概括性的关键信息。
"""
agent_object.character['memories'].append(memory_content)
agent_object.character['memories'] = agent_object.character['memories'][-agent_object.character['max_memory']:] # 只保留最近的记忆
agent_object.character['event'] = {
'type': 'add_memory',
'result': 'success'
}
return {
"waiting_time": 1.,
"emit_message_type": "updateState",
"emit_message_value": ""
}随后，通过 function_calls.py 中的 generate_all_function_calls_prompts() 来生成 prompt：
(function_calls.py 中的内容)
if __name__ == "__main__":
print(
generate_all_function_calls_prompts()
)输出结果如下：
当前所有可使用的函数以及对应的解释如下：
* Search.call(agent_object, query): 使用搜索工具来获取想要知道的信息。
Args:
agent_object (object): agent 对象，通常传入 self 即可。
query (str): 搜索关键词。
* AddMemory.call(agent_object, memory_content): 添加一条记忆信息，通常发生在获取了新的信息之后。
Args:
agent_object (object): agent 对象，通常传入 self 即可。
memory_content (str): 需要添加的记忆内容，一条概括性的关键信息。generate_all_function_calls_prompts() 会自动读取被注册函数的名称，注释，参数，并生成对应的 prompt。所以，函数注释需要写清楚函数作用、参数含义。
PS：真实在使用中，我们使用的是
generate_valid_function_calls_prompts()方法，它会根据当前的agent_object和room来生成当前状态下所有可用的函数。
使用以下命令拉起服务端：
cd server
python start.py运行后，显示以下内容：
Server started, allowed cors origin: http://localhost:5173
(26901) wsgi starting up on http://0.0.0.0:3000
INFO - Player 1 moved, sleep 4.5 seconds.
INFO:徐磊:Player 1 moved, sleep 4.5 seconds.此时，刷新客户端浏览器即可看到画面。
状态可视化是基于 streamlit 实现，所以需要先安装 streamlit：
pip install streamlit然后运行 visualizer/avatar_state_visualize.py 即可：
cd server/visualizer
streamlit run avatar_state_visualize.py运行后，终端显示：
You can now view your Streamlit app in your browser.
Local URL: http://localhost:8501
For better performance, install the Watchdog module:
$ xcode-select --install
$ pip install watchdog此时，访问浏览器 http://localhost:8501 即可：
你可以定制自己的房屋布局，在 ./configs/default_rooms.json 文件中修改家具的位置/旋转，也可以删除、添加家具：
[
{
"id": 1,
"name": "MAIN ROOM",
"password": "HAHA_MAKER_RANDOM",
"items": [
{
"name": "厨房_燃气灶",
"size": [2, 2],
"gridPosition": [2, 12],
"rotation": 2
},
...
]
}
]可以修改 agent 的状态，如 爱好、性格、记忆 等，同样在 ./configs/default_agents.json 文件中修改：
"characters": [
{
"id": 1,
"session": 1,
"name": "徐磊",
"gender": "male",
...,
"job": "程序员",
"hobby": ["刷新闻", "研究技术", "吃瓜"],
"personality": "坦诚，喜欢分享，实事求是。",
"state": "",
"memories": []
}
]