Что такое TinyTroupe?
TinyTroupe — это экспериментальная Python-библиотека от Microsoft, предназначенная для моделирования людей с определёнными личностными характеристиками, интересами и целями. Эти искусственные агенты, называемые «TinyPerson», могут взаимодействовать между собой и с окружающей средой, имитируя реалистичное поведение.
Что такое TinyPerson?
В основе TinyTroupe лежит класс TinyPerson. TinyPerson — это основной строительный блок для создания сложных, управляемых LLM агентов.
Экспериментируйте с различными промптами, конфигурациями памяти и ментальными способностями, чтобы раскрыть весь потенциал моделирования человеческого поведения.
Представьте его как чертеж для смоделированной личности. Каждая TinyPerson обладает:
- Имя: Уникальный идентификатор.
- Когнитивные состояния: Внутренние переменные, представляющие внимание, эмоции, цели и другие ментальные аспекты, влияющие на поведение.
- Память: Разделенная на episodic_memory (конкретные события) и semantic_memory (общие знания), отражая структуру человеческой памяти.
- Поведенческие абстракции: Методы listen() и act() имеют решающее значение для взаимодействия, моделируя циклы стимул-реакция.
Установка
- В папке ваших проектов выполните команды
git clone https://github.com/microsoft/TinyTroupe.git
cd TinyTroupe
python -m venv venv
venv\Scripts\activate
pip install git+https://github.com/microsoft/TinyTroupe.git@main
код 👉 MyTinyTroupe/tiny_troupe.md at master · hypo69/MyTinyTroupe · GitHub
- Переименуйте файл .env.example в .env и добавьте в него свой ключ OpenAI API.
Примеры использования
1. Создание TinyPerson
Внутри директории examples создайте файл my_person.py и добавьте следующий код:
код 👉 https://github.com/hypo69/MyTinyTroupe/blob/master/examples/tiny_person.py
Этот пример создаёт агента, задаёт его характеристики, инициирует взаимодействие и показывает историю взаимодействия.
2. Методы взаимодействия
- act(): Определяет поведение агента, запрашивая у LLM действие на основе памяти и когнитивного состояния.
- listen(): Моделирует получение сообщения от другого агента или среды, сохраняя информацию в памяти.
- _observe(): Записывает стимулы (события, ощущения) во внутреннюю память агента.
3. Управление памятью
TinyPerson использует episodic_memory и semantic_memory:
- episodic_memory: Хранит конкретные события, организует их по времени и ограничивает количество используемых записей.
- semantic_memory: Хранит общие знания, индексируя текстовые документы с помощью llama_index.
4. Внутреннее состояние и конфигурация
- _update_cognitive_state(): Изменяет цели, внимание, эмоции и другие внутренние переменные.
- define(): Устанавливает или обновляет параметры конфигурации агента.
- reset_prompt(): Пересоздаёт системный промпт для LLM на основе текущей конфигурации и памяти агента.
Управление акторами и средой
5. Создание и управление мирами
В TinyTroupe среда моделируется с помощью TinyWorld, а социальные связи — через TinySocialNetwork.
Метод make_everyone_accessible() позволяет всем агентам взаимодействовать друг с другом.
6. Управление акторами в комнате
Если акторы уже определены, но вам нужно их обновить или заменить, можно использовать:
7. Запуск симуляции
Для моделирования взаимодействий используется run():
8. Управление взаимодействиями
Если вам нужно контролировать диалоги между агентами:
Этот код инициирует разговор и генерирует ответ агента.
9. Создание социальных сетей
TinySocialNetwork позволяет моделировать социальные связи и группы:
Пример простого чата с общением на русском языке:
функция установки языка акторов
Часть словарей характеристики актора:
Словари большие. Целиком здесь 👇
MyTinyTroupe/examples/agents/Lila.agent.json at master · hypo69/MyTinyTroupe · GitHub
MyTinyTroupe/examples/agents/Oscar.agent.json at master · hypo69/MyTinyTroupe · GitHub
код чата:
Этот код создает двух агентов (lila и oscar), загружает их спецификации, переводит их язык общения на русский, помещает их в общий мир (world), делает всех участников доступными друг для друга и запускает взаимодействие между ними.
Разбор кода по шагам:
- Загрузка агентов из спецификаций:
- Создаются два агента: lila и oscar.
- Они загружаются из спецификаций lila_spec и oscar_spec, которые, скорее всего, содержат их характеристики (возраст, профессия, интересы и т. д.).
- Настройка языка общения:
- configure_language (см. исправленный вариант выше) устанавливает русский язык для агентов.
- Это также пересоздает их системный промпт, чтобы они отвечали на русском.
- Создание мира и размещение агентов:
- Создается виртуальный мир TinyWorld с названием «Chat Room».
- В этот мир добавляются lila и oscar, что позволяет им взаимодействовать.
- Делаем всех доступными друг для друга:
- Убеждаемся, что агенты могут «видеть» и «слышать» друг друга.
- Без этого метода агент мог бы не знать, что другой агент существует в том же мире.
- Инициирование общения:
- lila получает фразу «Начинает разговор с Оскаром, чтобы узнать о нем больше».
- Это стимулирует ее к действию (например, задать вопросы Оскару).
- Запуск симуляции взаимодействий:
- world.run(4) запускает симуляцию на 4 цикла, в течение которых агенты будут:
Воспринимать информацию (listen()).
Действовать (act()).
Обновлять память (что они узнали, какие эмоции испытали).
Ожидаемое поведение
- lila попытается поговорить с oscar, задавая вопросы на русском.
- oscar ответит, используя информацию из своей памяти и спецификации.
- world.run(4) заставит их несколько раз обменяться репликами.
- После выполнения кода в памяти агентов появятся новые знания о собеседнике.
💡 Совет: Если агенты не разговаривают, попробуйте добавить world.step() после lila.listen(), чтобы проверить их реакцию перед запуском полного цикла run(4).
Пример в Google Colab
код на гитхабе
Другие статьи:
LangChain и Browser-Use: Создание ИИ-агентов для работы с веб-браузером. Быстрый старт
LangChain и Browser-Use: Создание ИИ-агентов для работы с веб-браузером. Быстрый старт
Библиотека schedule для простого и удобного планирования регулярного выполнения задач
Python. Шпаргалки: Библиотека schedule
Использование array.array. array.array — это специализированный тип данных в Python, предназначенный для хранения последовательностей однотипных чисел.
Использование array.array в Python: когда и зачем применять
Управление мышью в Python
Удачи!