Generative Agents：研究復現、模型遷移與法律 RAG 擴充

這是一項基於 Stanford Generative Agents 的課程實作與研究復現。我以既有代理人模擬框架為基礎，進行模型服務遷移、互動情境設計及法律知識 RAG 整合，觀察外部知識如何進入代理人的思考與對話流程。

我做了哪些擴充

• 模型服務遷移：調整聊天模型呼叫與設定，將原有服務接入火山引擎／Doubao；另處理多模態 Embedding 端點，避免把向量介面當成聊天介面。
• 三人互動情境：配置角色、初始位置與會面設定，用較小的多人情境觀察對話、場景及知識觸發，不直接套用整個原始示範。
• 地圖與角色一致性：同步調整場景區域、角色的居住及空間記憶、生成位置，避免前後端資料指向不同地點。
• 法律文檔索引：加入文本分塊、Embedding 索引及原文／向量映射，以 JSON 與 NumPy 保存及處理資料。
• 檢索與 Context 整合：以餘弦相似度檢索 Top-K 文檔，組合查詢與檢索內容；在代理人認知流程中加入法律關鍵詞觸發。
• 整合檢查與記錄：保存檢索測試、觸發檢查及多人對話記錄，區分系統能運作與模型行為是否經實證驗證。

擴充架構

來源與研究邊界

原始代理人框架及其研究來自 Stanford Generative Agents，我不將原有記憶、反思或規劃機制歸為個人發明。本頁展示的是復現、模型介面適配、情境設定與 RAG 擴充，不宣稱已證明模擬行為等同真實人類，或取得未測量的回答品質提升。

公開資源

我的擴充倉庫與實作記錄 · 原始 Generative Agents