1/23

目前实现了 用户智能体的设计 模拟推特简单推文交互

用户智能体设计

langchain作为框架 langsmith数据观测

利用提示词工程实现 角色扮演 记忆存储 写推文 阅读推文的能力

  • 角色扮演

alt text

  • langchain提供的记忆存储功能

alt text

  • 读写推文

利用提示词让用户智能体写/读推文

alt text

推特社交网络实现

推特 两个主要模块 推荐(for you)系统推荐算法 关注(follow)你关注的人发的推文

创建一定数量的用户智能体，输入邻接矩阵表示用户间的关注关系

选择一个用户写一个初始推文，关注他的用户进行阅读，用户阅读后会给出阅读后的感受，由分类器分析读后感受给用户是否支持刚读过的推文进行评级，当达到一定水平用户也会写他的推文。

alt text

采用广度优先 进行一步一步的消息传递

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
def social_network_simulation():
    network=[
        [0,1,1,0,0],
        [1,0,1,1,1],
        [0,1,0,1,1],
        [0,0,1,0,0],
        [0,0,0,1,0]
    ]
    agent_list=[]
    tweeted_list=[0,0,0,0,0]
    send_list=[0,0,0,0,0]
    receive_list=[1,0,0,0,0]

    for i in range(1,6):
        agent = Agent(i)
        agent_list.append(agent)

    agent_classifier = Classifier()

    while sum(receive_list) != 0:
        print(receive_list)
        send_list = receive_list
        receive_list = [0,0,0,0,0]
        for i in range(5):
            if send_list[i]:
                tweeted_list[i]=1
                receive_list[i]=0
                tweet = agent_list[i].produce_tweet()
                for j in range(5):
                    if network[i][j]:
                        res = agent_list[j].receive_tweet(tweet, classifier=agent_classifier)
                        # res = 2
                        if int(res)>=1 and tweeted_list[j]!=1:
                            receive_list[j]=1