jev-town

项目简介

jev-town 是一个基于 Jev 决策引擎的 AI 实时模拟小镇项目，由 NevaMind-AI 团队开发。项目将 Jev 接入了「斯坦福小镇」（Generative Agents / AI Town）的 agent 模拟世界，让 20 个 AI 居民在像素风小镇中自主生活、社交与决策。居民每人拥有独立身份、性格、当前状态和对世界的共同认知，系统运行速度比斯坦福原版小镇快 200 倍，成本降低 90%。

核心功能

• Jev 决策引擎集成：用 Jev 替代传统对话模型承担 agent 的「下一步做什么」决策，解决普通语言模型可能生成不存在或不可达目标的问题
• 多 agent 并发生存：默认运行 20 个 agent，可扩展至 50 个，用于观察多 agent 场景下的行为模式和调用压力
• 像素风视觉呈现：基于 TypeScript + React + PixiJS 实现，运行在浏览器中，无需后端
• 实时观察面板：右侧观察面板展示每个居民的概率和置信度决策记录，便于分析 agent 真实决策过程
• Story Mode / Jev Demo 双模式：Story 模式为传统游戏体验；Jev Demo 模式将主动权交给 agent，居民自主驱动叙事

技术实现

jev-town 的核心技术架构分为两层：

引擎层（prototype/）：负责世界步进、寻路、实体调度、录制与回放。Agent 的「下一步做什么」决策交给 Jev（System One 模型），而非普通对话模型。决策流程不是让模型自由生成 JSON，而是先由引擎计算出当前合法的候选动作（如：可以接近哪些人/物、可以走向哪些地点、是否值得主动接触某个目标、如果不动应该短暂停留还是等待更久），然后将这些候选选项交给 Jev 选择。一次请求里会同时询问 seek、target、roam、place 和 idle_length，再由代码按固定规则组合成最终动作。

渲染层（src/）：React 组件、PixiJS 视口、HUD、对话和面板。所有世界数据（碰撞网格、场景、对话、任务）均为运行时加载的数据，模拟在浏览器 Tab 中独立运行，无后端依赖。

居民的生活循环为：观察当前环境 → 决定下一步做什么 → 移动 → 发起互动 → 对话 → 更新状态和记忆。这一循环由 Jev 驱动，而非简单的随机漫游。

技术栈：TypeScript + React + PixiJS + Node 代理（仅负责存储模型凭证和转发请求）。

快速上手

1. 访问 GitHub 仓库：https://github.com/NevaMind-AI/jev-town
2. 阅读仓库中的录屏和文档，了解 Jev Demo 模式的工作机制
3. 在本地运行（需要 Node 环境），或直接体验在线 Demo
4. 调整 agent 数量（默认 20，可调至 50）观察多 agent 场景下的行为差异
5. 观察右侧决策面板中各选项的概率和置信度记录，分析 agent 的决策质量

适用人群

• AI 研究者与智能体系统研究社区
• 对 Generative Agents / AI Town 方向感兴趣的技术爱好者
• 希望理解 LLM 如何驱动多 agent 自主行为的研究者
• 独立游戏开发者和 AI 创意项目创作者