本文深入探讨了Reverie模拟游戏的具体代码实现，重点分析了其技术栈、代码架构、关键设计模式以及数据流向。该游戏基于Python，结合了HTML/CSS/JavaScript和OpenAI大语言模型，构建了一个分层架构，包括表现层、业务逻辑层和数据层。文章还详细介绍了核心模块的功能，如仿真服务器、代理行为模块和认知架构模块，并分析了前后端通信和数据存储机制。通过对代码的深入剖析，揭示了Reverie模拟游戏的设计理念和技术实现细节。

💻 技术栈构成：Reverie模拟游戏主要基于Python实现，前端采用HTML/CSS/JavaScript构建，并利用Django模板进行服务器端渲染。此外，该项目还集成了OpenAI大语言模型，用于增强游戏的交互性和智能化，地图部分可能使用了Tiled。

⚙️ 分层架构与设计模式：游戏采用分层架构设计，包括表现层、业务逻辑层和数据层。业务逻辑层由仿真控制器、代理行为系统和认知模块组成。关键设计模式包括观察者模式、策略模式和状态模式，这些模式有助于代码的组织和维护。

🔄 数据流向与核心模块：仿真主循环包括感知、检索、规划、执行、反思和存储六个阶段。后端核心文件包括reverie.py（主仿真控制器）和utils.py（配置和工具函数），代理行为模块包含persona.py（代理人格和行为核心），认知架构模块则包括对话、规划、感知、检索和反思等模块，共同构建了游戏的核心功能。

💾 数据存储与前后端通信：数据存储采用文件系统，包括代理状态、环境状态、移动记录和元数据。前后端通过用户命令、控制指令、状态更新和可视化数据进行通信。仿真数据采用JSON格式存储，方便数据的持久化和管理。

基于论文中提出的设计方案，项目作者开发了一个模拟游戏以进行验证。此前的文章已对代码编译的相关细节进行了介绍。今天我们将进一步深入探讨该实现的具体代码层面。

技术栈

主要代码基于 Python 实现前端技术: HTML/CSS/JavaScript (Django模板，服务器端渲染)集成 openAI 大语言模型集成涉及到地图部分可能会用到: Tiled

代码架构分析

1. 分层架构设计

表现层 (Frontend)├── Django模板系统├── JavaScript前端逻辑└── CSS样式控制业务逻辑层 (Backend)├── 仿真控制器 (ReverieServer)├── 代理行为系统 (GenerativeAgent)└── 认知模块 (Cognitive Modules)数据层 (Storage)├── 文件系统存储├── 内存缓存└── 状态序列化

2. 关键设计模式

观察者模式策略模式状态模式

3. 数据流向分析

仿真主循环

1. 感知阶段：收集环境信息2. 检索阶段：查询相关记忆3. 规划阶段：制定行动计划4. 执行阶段：执行具体行动5. 反思阶段：更新认知状态6. 存储阶段：持久化数据

前后端通信

前端 → 后端：用户命令和控制指令后端 → 前端：状态更新和可视化数据存储 ← 后端：仿真数据持久化存储 → 后端：历史数据加载

后端核心文件解析

仿真服务器核心 (reverie/backend_server/)

reverie.py - 主仿真控制器

"""核心功能：- ReverieServer类：管理整个仿真状态- 仿真循环控制：时间步进和状态更新- 代理调度：协调多个AI代理的行为- 状态持久化：保存和恢复仿真状态"""class ReverieServer:    def __init__(self, fork_sim_code, sim_code):        # 初始化仿真环境        # 加载地图、代理、环境配置            def start_simulation(self):        # 启动仿真主循环        # 处理代理决策和环境更新            def save_simulation(self):        # 保存当前仿真状态        # 支持增量保存和完整快照

主要功能模块：

仿真状态管理代理生命周期控制环境交互处理命令行界面控制数据持久化管理

utils.py - 配置和工具函数

# 配置参数openai_api_key = "<Your OpenAI API>"key_owner = "<Your Name>"maze_assets_loc = "../../environment/frontend_server/static_dirs/assets"env_matrix = f"{maze_assets_loc}/the_ville/matrix"env_visuals = f"{maze_assets_loc}/the_ville/visuals"fs_storage = "../../environment/frontend_server/storage"fs_temp_storage = "../../environment/frontend_server/temp_storage"collision_block_id = "32125"debug = True

功能职责：

系统配置管理路径和资源定位调试参数控制API密钥管理

代理行为模块 (reverie/backend_server/persona/)

persona.py - 代理人格和行为核心

class GenerativeAgent:    def __init__(self, name, first_name, last_name, age, innate, learned,                  currently, lifestyle, living_area, daily_plan_req, f_daily_schedule):        # 初始化代理基本属性        self.name = name        self.memory = AssociativeMemory()  # 记忆系统        self.scratch = Scratch()  # 临时状态            def perceive(self, maze):        # 感知环境变化        # 更新记忆流            def retrieve(self, query):        # 检索相关记忆        # 基于重要性和相关性排序            def plan(self, maze, personas, new_day, retrieved):        # 制定行动计划        # 基于当前状态和目标            def execute(self, maze, personas, plan):        # 执行具体行动        # 与环境和其他代理交互

核心能力：

记忆流管理环境感知行为规划社交互动

memory_structures/ - 记忆系统

associative_memory.py: 联想记忆实现scratch.py: 临时状态管理spatial_memory.py: 空间记忆系统

认知架构模块 (reverie/backend_server/persona/cognitive_modules/)

converse.py - 对话系统

def generate_agent_chat(maze, init_persona, target_persona, retrieved,                        curr_context, init_summ_idea, target_summ_idea):    """    生成代理间对话    - 基于GPT生成自然对话    - 考虑人格特征和当前情境    - 维护对话连贯性    """

plan.py - 规划模块

def revise_identity(persona):    """修订代理身份认知"""    def daily_plan(persona, wake_up_hour):    """生成每日计划"""    def hourly_plan(persona, curr_hour_str, p_f_ds_hourly_org, hour_str,                 intermittent_chatting, maze):    """生成每小时计划"""

perceive.py - 感知模块

def perceive(persona, maze, address_tiles, curr_tile):    """    感知环境变化    - 检测周围实体    - 更新空间记忆    - 触发记忆存储    """

retrieve.py - 检索模块

def retrieve(persona, focal_pt, n_count=30):    """    检索相关记忆    - 基于焦点查询    - 计算相关性分数    - 返回排序结果    """

reflect.py - 反思模块

def reflect(persona, focal_pt):    """    生成反思和洞察    - 分析记忆模式    - 生成高级认知    - 更新信念系统    """

工具和实用程序

compress_sim_storage.py - 仿真数据压缩

def compress(sim_code):    """    压缩仿真数据    - 移除冗余信息    - 优化文件大小    - 生成演示版本    """

前端核心文件解析

环境服务器 (environment/frontend_server/)

manage.py - Django管理入口

#!/usr/bin/env python"""Django's command-line utility for administrative tasks."""import osimport sysif __name__ == '__main__':    os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'frontend_server.settings')    # Django应用启动逻辑

frontend_server/ - Django应用配置

settings.py: Django配置文件urls.py: URL路由配置views.py: 视图函数定义models.py: 数据模型定义

simulator/ - 仿真器应用

views.py: 仿真相关视图models.py: 仿真数据模型templates/: HTML模板文件

静态资源 (environment/frontend_server/static_dirs/)

assets/the_ville/ - 游戏资源

matrix/: 地图矩阵数据visuals/: 可视化资源meta.json: 环境元数据

css/ - 样式文件

style.css: 主样式表simulator.css: 仿真器样式

js/ - JavaScript文件

simulator.js: 仿真器前端逻辑utils.js: 工具函数

数据存储 (environment/frontend_server/storage/)

仿真数据结构

storage/├── base_the_ville_n25/          # 25代理基础仿真├── base_the_ville_isabella_maria_klaus/  # 3代理基础仿真└── [simulation_name]/           # 自定义仿真    ├── personas/               # 代理状态    ├── environment/           # 环境状态    ├── movements/             # 移动记录    └── meta.json             # 元数据

environment/frontend_server/storage/base_the_ville_isabella_maria_klaus├── environment│   └── 0.json├── personas│   ├── Isabella\ Rodriguez│   │   └── bootstrap_memory│   │       ├── associative_memory│   │       │   ├── embeddings.json│   │       │   ├── kw_strength.json│   │       │   └── nodes.json│   │       ├── scratch.json│   │       └── spatial_memory.json│   ├── Klaus\ Mueller│   │   └── bootstrap_memory│   │       ├── associative_memory│   │       │   ├── embeddings.json│   │       │   ├── kw_strength.json│   │       │   └── nodes.json│   │       ├── scratch.json│   │       └── spatial_memory.json│   └── Maria\ Lopez│       └── bootstrap_memory│           ├── associative_memory│           │   ├── embeddings.json│           │   ├── kw_strength.json│           │   └── nodes.json│           ├── scratch.json│           └── spatial_memory.json└── reverie    └── meta.json