https://dylanchiang-dev.github.io/tags/%E7%A0%94%E7%A9%B6%E5%BE%A9%E7%8F%BE/研究復現Hugo Blox Builder (https://hugoblox.com)zh-TWSat, 03 Oct 2026 00:00:00 +0000https://dylanchiang-dev.github.io/media/icon_hu_982c5d63a71b2961.pnghttps://dylanchiang-dev.github.io/tags/%E7%A0%94%E7%A9%B6%E5%BE%A9%E7%8F%BE/https://dylanchiang-dev.github.io/project/generative-agents-rag/Sat, 03 Oct 2026 00:00:00 +0000https://dylanchiang-dev.github.io/project/generative-agents-rag/<p>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。</p> <h2 id="我做了哪些擴充">我做了哪些擴充</h2> <ul> <li><strong>模型服務遷移</strong>：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。</li> <li><strong>三人互動情境</strong>：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。</li> <li><strong>地圖與角色一致性</strong>：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。</li> <li><strong>法律文檔索引</strong>：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。</li> <li><strong>檢索與 Context 整合</strong>：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。</li> <li><strong>整合檢查與記錄</strong>：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。</li> </ul> <h2 id="擴充架構">擴充架構</h2> <figure><img src="https://dylanchiang-dev.github.io/project/generative-agents-rag/architecture.png" alt="文檔分塊、向量檢索、Context 注入與三個代理人互動的架構示意。"><figcaption> <p>依公開實作繪製的架構示意，不是模擬執行截圖；原框架歸屬與本人的整合工作分開呈現。</p> </figcaption> </figure> <h2 id="來源與研究邊界">來源與研究邊界</h2> <p>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。</p> <h2 id="公開資源">公開資源</h2> <p> · </p>