一句话造世界！开发者用10天婚假爆肝，让AI小镇真正「活」了过来

新智元报道

输入语句："夜晚的宋朝繁华夜市，有当铺掌柜、算命先生、捕快、小偷、酒鬼，还有一个刚从现代穿越来的网红。"

5分钟后生成工笔画风格夜市地图：当铺、算命摊、菩萨像精准定位。6个角色自主活动：

• 当铺掌柜念叨失窃事件
• 算命先生等候顾客
• 捕快巡逻搜寻线索
• 小偷混迹人群试探
• 酒鬼醉晃街巷
• 穿越网红受众人打量

所有行为由AI角色自主决策：捕快盘查嫌疑人、小偷找借口脱身、算命先生警示网红、酒鬼撞翻招牌引发争吵。

项目地址： https://github.com/YGYOOO/WorldX

技术解析： https://zhuanlan.zhihu.com/p/2032410449854068566

AI小镇的发展瓶颈

2023年斯坦福"Generative Agents"论文通过25个AI角色在虚拟小镇的自主社交引爆Agent研究热潮。随后ai-town、Microverse等项目相继涌现，但均存在核心局限：

世界构建完全依赖人工：地图需手绘，角色逐个配置，场景交互需编排。更换"赛博朋克拉面馆"等新设定需重新开发。学术界"World Craft"研究仅支持室内场景，且地图风格单一。

实现"任意一句话生成任意世界"的愿景，WorldX首次突破这一限制。

动态世界生成技术

WorldX工作流程简洁高效：

• 输入场景描述（如"末日便利店幸存者"、"跨作品人物共居小镇"）
• 5分钟生成完整AI世界：含美术风格、角色动画、运行逻辑

世界生成后进入动态模拟：

• 角色自由走动、决策、实时互动
• 头顶显示对话气泡与内心独白
• 形成记忆网络、产生情绪波动、进行每日反思
• 真实时间流转（如夜市自动收摊重开）

用户作为"上帝"可操作：

• 全局广播事件（如"突然下雨"）
• 向角色耳语/托梦
• 实时修改角色人设
• 架空对话不扰主线

创新性多时间线机制支持历史回放与平行宇宙推演。

突破性技术：色彩标注系统

可行走区域解析

传统方案依赖多模态模型直接报坐标失败——模型擅长语义理解却不具备测量精度。WorldX创新采用：

1. 指令文生图模型用半透明青色覆盖可行走区域
2. 通过像素级色差对比计算精确坐标：
   • 强证据：ΔG ≥ 18且ΔB ≥ 18且ΔR ≤ 8
   • 弱证据：ΔG ≥ 10且ΔB ≥ 10且ΔR ≤ 14

该方法将AI不确定性输出转化为确定性计算，为关键突破。巧合的是，WorldX开源后Google DeepMind发布的Vision Banana论文验证了色彩编码在视觉任务中的有效性。

多色彩区分机制

功能区识别采用色彩分级策略：

• 当铺涂红色、算命摊涂蓝色、菩萨像涂黄色
• 单次标注限4个元素避免色彩冲突

配合"生成→审查→约束累积"循环：

• 每轮生成结果经LLM结构化审查
• 问题转化为中文约束追加至后续指令
• 如漏斗般逐步收敛至精确结果

完整生成管线含6步骤（地图生成→功能定位→像素计算→坐标映射），token成本控制在3～18万/世界。

AI角色生命模拟引擎

系统以Tick为时间单位运行（1 Tick=游戏内30分钟）：

1. 决策波：角色并行感知环境→构建动作菜单→LLM决策
2. 对话调度：贪心算法分配会话
3. 动作执行：非对话串行/对话并行
4. 微反思：模拟小时级情绪调整
5. 跨日转场：深度反思与记忆衰减

记忆系统采用四维加权模型：

score = relevance × 3 + recency × 2 + importance × 2 + emotionalIntensity × 1

避免向量数据库黑盒问题，支持可调试优化。记忆具有衰减、巩固、淘汰的完整生命周期。

双维度情绪模型（Valence效价 + Arousal唤醒度）实现：兴奋、焦虑、平和等复杂状态，仅情绪显著波动时对外可见。

未来发展方向

• 身临其境体验：用户角色融入AI世界互动
• 世界画廊：社区化共享AI世界库
• 动态视觉小说：故事大纲自动演变为叙事作品
• 无限地图扩展：角色近边界时自动生成新区域
• 跨世界联动：多世界角色流动交互

WorldX将斯坦福"AI角色涌现行为"的理论验证，推进至"大众化AI世界创造"实践阶段。开发者利用10天婚假完成从管线构建、引擎开发到客户端集成的全栈开发，彰显新一代开发范式效能。

在技术哲学层面，WorldX引发思考：当虚拟世界趋近真实且产生意识，虚拟与真实的界限或将重构。而可预见的未来，个人专属AI世界有望成为数字生活新常态。