企业官网建设流程全解析

游戏里的 AI NPC 为什么能记住你：用 HelloAgents 搭一个 3 角色的多智能体社会模拟小镇

【免费下载链接】hello-agents📚 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents

“上次你说喜欢 Python，对吧？”这是游戏里玩家和 NPC 发生的一次真实对话，不是预设台词。Helloagents-AI-Town 是基于 HelloAgents 多智能体框架构建的社会模拟小镇：Godot 游戏客户端加 Python 后端，3 个 AI NPC 拥有双层记忆与五级好感度，回应会随你的熟悉程度变化。

跑起小镇：最小流程

环境清单

• 系统：Windows 10/11、macOS、Linux 均可
• 引擎：Godot 4.2 及以上——开源 2D/3D 游戏引擎，负责渲染办公室场景、角色移动和对话框
• 语言与依赖：Python 3.10 及以上，另需一个 LLM API 密钥（OpenAI、DeepSeek、智谱等均可）

运行命令

先获取代码并进入项目目录：

git clone https://gitcode.com/GitHub_Trending/he/hello-agents cd hello-agents/code/chapter15/Helloagents-AI-Town

再配置后端、装依赖并启动：

cd backend cp .env.example .env # 把 LLM_API_KEY 改成你的密钥 python -m venv venv && pip install -r requirements.txt python main.py

后端启动后 API 监听在 8000 端口。接着打开 Godot，导入helloagents-ai-town项目（可直接导入scenes/main.tscn场景），按 F5 运行。游戏内用 WASD 移动，靠近 NPC 时按 E 打开对话框。

在小镇里过一天：看懂 3 个核心机制

搭话：角色设定与自主行为

小镇里有 3 个 NPC：Python 工程师张三、产品经理李四、UI 设计师王五。每个 NPC 都是一个独立的 Agent 实例，提示词模板包含职业、性格、爱好、说话方式四层信息。所以同一个问题，工程师会甩术语，产品经理先谈规划，设计师先聊体验。

NPC 也不是站着等人问。状态管理模块驱动它们在办公室里自主走动、工作、休息，当前状态还会写进对话上下文，刚下班和午后小憩时的语气会有差别。

深聊：双层记忆是怎么工作的

这个 NPC 对话系统背后的“记住”靠两层存储：

• 工作记忆：只存最近 10 条对话，直接拼进提示词。快，但容量有限。
• 情景记忆：重要对话持久化后切块，存入 Qdrant 向量数据库（一种按语义相似度检索内容的存储），元数据放 SQLite。新对话到来时按语义检索出相关记忆补进上下文，最多存 100 条，重要性低的会自动遗忘。

两层配合：近期对话走工作记忆，很久前说过的事由情景记忆找回来。另外每个 NPC 的记忆互相隔离，你跟张三聊过的内容李四不知道，避免“串话”。

表态：好感度如何随对话变化

每轮对话结束后，LLM 做一次情感分析：判断玩家态度（友好/中立/不友好）、对话质量、有没有赞美或批评，输出一个数值变化。友好对话加 1 到 10 分，批评减 3 到 15 分。

好感度 0–100 分，对应五级：陌生、熟悉、友好、亲密、挚友。等级不只是个数字，它会作为风格参数写进下一轮提示词——“熟悉”的 NPC 对“最近怎么样”只回“还行吧”，“亲密”的会多说几句，还主动问你。这就是好感度系统的完整闭环：对话、评分、累计、改变风格。

打开黑盒：代码地图

核心文件都在 Helloagents-AI-Town/ 下，分后端与游戏两侧：

• backend/main.py：FastAPI（Python 网络框架）入口，负责路由与启动
• backend/agents.py：NPCAgentManager 多智能体调度，每个 NPC 一个 Agent 加一套记忆管理器
• backend/models.py：记忆与对话的数据模型
• backend/relationship_manager.py：好感度评分与五级等级维护
• backend/state_manager.py：NPC 状态（工作/休息/移动）管理
• helloagents-ai-town/scripts/api_client.gd：Godot 侧 HTTP 客户端，把对话请求发往后端
• AFFINITY_SYSTEM_GUIDE.md：好感度规则、评分区间与等级说明
• MEMORY_SYSTEM_GUIDE.md：双层记忆的工作方式与示例

能复用的 4 个设计点

1. 角色设定怎么写：用“职业 + 性格 + 爱好 + 说话方式”四要素做提示词模板，再注入 NPC 的实时状态（工作中/休息中），同一个人不同时段语气不同，设定效果在对话里立刻可见。
2. 双层记忆如何设计：快的数据直接进提示词，慢的数据向量化、按需检索。“快慢分离”是智能体记忆设计里最值得搬走的思路——工作记忆层可换成任意滑动窗口，长期层可替换成别的向量库。
3. LLM 情感评分如何驱动好感度：不写关键词规则，每轮对话后让 LLM 做一次结构化情感判断（态度、质量、倾向），映射成数值区间再累加。评分与等级是两层：数值决定等级，等级决定风格。
4. 游戏引擎如何与 Python 后端对接：Godot 与 Python 只靠 HTTP REST 交换数据，前端只管移动、UI 和素材展示，智能全部留在后端。Godot 接入 AI 用这种分工最干净，加新功能只需加一个 API，不用改引擎代码。

写在最后

这个项目是多智能体接入游戏引擎的完整样例：客户端负责表现，后端负责记忆与好感度，机制都可解释、可改动。它适合已经了解智能体基础、想看一个能跑起来的 NPC 对话系统的读者。一个不错的下一步：跑通后只改 relationship_manager.py 里的情感评分区间，观察 NPC 对你的好感曲线如何变化。

【免费下载链接】hello-agents📚 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents