1. 这篇文章真正要解决的问题当“AI电影”成为科技圈的热词你是否也好奇那些声称由AI生成的短片背后到底藏着怎样的技术黑盒是简单的文生视频模型一键生成还是需要一套复杂的工程化流程更重要的是作为开发者或内容创作者我们能否复现其核心甚至构建自己的AI叙事工具本文要解决的正是这个从“看热闹”到“懂门道”的跨越。我们将聚焦于一个极具代表性的开源项目——My AI Town它不仅是全球首部开源AI电影《The Frost》的技术基底更关键的是其作者慷慨地公开了构建AI电影所需的三套核心SKILL。这里的“SKILL”并非指个人能力而是一套可编程、可组合的AI智能体Agent行为逻辑单元是驱动虚拟角色自主演绎故事的关键。很多人误以为AI电影就是“输入剧本输出成片”。实际上真正的挑战在于如何让多个AI角色在虚拟世界中持续、稳定、符合逻辑地交互并生成连贯的叙事。这涉及到角色设定、记忆管理、对话生成、事件触发等一系列复杂问题。My AI Town项目通过其SKILL系统提供了一个精巧的工程化解决方案。读完本文你将彻底搞懂AI电影的核心技术栈超越文生视频理解驱动角色行为的“大脑”和“规则”。SKILL系统的设计哲学如何将复杂的叙事逻辑拆解为可复用、可编排的原子能力。从零到一的实践路径获得经过汉化的核心SKILL代码并学会如何配置环境、启动项目、观察AI角色的自主行为。避坑指南与扩展思路在本地部署中可能遇到的问题以及如何基于此框架开发自己的故事线。这不仅仅是一篇技术介绍更是一份通往“AI内容生成2.0时代”的实践地图。我们不再满足于观看AI创作的成果而是要亲手打开引擎盖看看里面究竟是如何运转的。2. 基础概念与核心原理从“小镇”理解AI叙事引擎在深入代码之前我们必须建立正确的认知框架。My AI Town项目本身是一个模拟社会实验平台而将其用于生成电影《The Frost》则是一次精彩的能力外延。理解以下几个核心概念是后续所有实操的基础。AI Agent智能体这是整个系统的“演员”。每个Agent是一个独立的AI实体被赋予特定的身份如姓名、职业、性格、记忆和目标任务。它们不是简单的聊天机器人而是具备长期记忆、能根据环境和其他Agent行为做出决策的虚拟角色。SKILL技能/行为逻辑这是Agent的“剧本”和“本能”。SKILL定义了Agent能做什么以及如何做。例如“打招呼SKILL”规定了Agent见到他人时如何开启对话“工作SKILL”定义了Agent在特定时间段的行为模式。SKILL是可编程的通常由触发条件、执行逻辑和结束条件构成。项目公开的三套核心SKILL正是驱动故事发展的关键行为模版。环境与事件My AI Town提供了一个虚拟的“小镇”环境包含时间流逝、地点如咖啡馆、公园等基本要素。事件可以是环境触发的如“天黑了”也可以是Agent行为触发的如“A向B提出了一个秘密计划”。环境与事件为SKILL的触发提供了上下文。记忆流每个Agent拥有独立的记忆系统记录其观察、对话和经历。记忆是形成连贯人格和做出合理决策的基础。例如一个Agent如果昨天被另一个Agent欺骗今天的对话SKILL可能会触发“不信任”的交互分支。工作原理简化流程初始化创建多个Agent为其分配初始身份、记忆和基础SKILL。环境驱动虚拟世界的时间开始流逝。SKILL匹配在每个时间点或事件点系统检查每个Agent有哪些SKILL的触发条件被满足例如时间是早上9点触发“去咖啡馆”的SKILL看到某个角色触发“打招呼”SKILL。决策与执行Agent从其可触发的SKILL中选择优先级最高的执行。执行过程会调用大语言模型如GPT-4来生成符合角色性格的具体对话和行为描述。更新状态执行结果一段对话、一个动作被广播到环境和其他Agent的记忆中推动故事向前发展并可能触发新的SKILL。这个过程循环往复就像给一群具备“大脑”和“行为规则”的虚拟角色按下启动键他们便会根据你设定的初始条件和SKILL规则自主演绎出一段不可完全预料的“故事”。而《The Frost》电影正是对这样一段长时间模拟中精彩片段的剪辑和后期加工。3. 环境准备与前置条件要运行My AI Town并体验其SKILL系统你需要准备以下环境。请注意由于项目涉及调用AI大模型API会产生少量费用请确保相关账户有可用额度。操作系统推荐使用 Linux (Ubuntu 20.04) 或 macOS。Windows用户可通过WSL2Windows Subsystem for Linux获得最佳体验。编程语言与工具Python 3.9这是项目的主要语言。确保已安装并可使用python3 --version检查。PipPython包管理工具。Git用于克隆项目代码。Docker 与 Docker Compose可选但推荐项目提供了Docker配置可以一键式部署所有后端服务数据库、缓存等极大简化环境搭建。请确保已安装 Docker Desktop 或对应版本的Docker Engine。AI模型API密钥 项目默认使用OpenAI的GPT系列模型作为Agent的“大脑”。你需要拥有一个OpenAI平台账号。在账号中创建API Key。妥善保管该Key并准备好一定的API调用额度对于初步体验几美元足够。硬件建议内存建议不少于8GB。运行多个服务数据库、Redis、应用本身需要一定内存。网络需要稳定的网络连接以调用OpenAI API。4. 核心流程拆解五步启动你的AI小镇我们将把整个启动过程拆解为五个清晰的步骤每一步都会解释其作用并给出关键命令。4.1 第一步获取项目代码与汉化SKILL首先我们需要将项目代码克隆到本地。同时为了便于中文开发者理解我们将使用经过汉化的核心SKILL文件。# 1. 克隆原始的 My AI Town 仓库到本地 git clone https://github.com/mewamew/my_ai_town.git cd my_ai_town # 2. 关键获取汉化后的核心SKILL文件 # 假设汉化的SKILL文件已存放在一个公开的Gist或仓库中我们通过curl下载并替换。 # 这里是一个示例命令实际汉化文件地址需根据提供的材料确定。 # 假设汉化文件地址为https://gist.githubusercontent.com/.../ai_town_skills_zh.json wget -O backend/ai_town/skills/core_skills.json https://gist.githubusercontent.com/.../ai_town_skills_zh.json作用原始SKILL定义是英文的汉化后你将能更直观地理解每个SKILL的触发条件、执行逻辑和参数含义这对于后续自定义开发至关重要。4.2 第二步配置环境变量项目通过环境变量来管理敏感信息如API Key和配置。我们需要创建一个配置文件。# 在项目根目录下复制提供的环境变量示例文件 cp .env.example .env # 使用文本编辑器如nano, vim, VS Code打开 .env 文件 # 例如使用 VS Code code .env打开.env文件后找到并修改以下关键配置项# .env 文件内容节选 OPENAI_API_KEYsk-your-actual-openai-api-key-here # 替换为你的真实OpenAI API Key MODEL_NAMEgpt-4 # 或使用 gpt-3.5-turbo 以降低成本但效果可能略有差异 LOG_LEVELINFO DATABASE_URLpostgresql://postgres:passworddb:5432/ai_town # Docker环境下的默认数据库连接 REDIS_URLredis://redis:6379/0作用OPENAI_API_KEY是项目运行的核心所有Agent的思考与对话生成都依赖于此。MODEL_NAME决定了使用的模型GPT-4生成质量更高但更贵GPT-3.5-turbo性价比更高适合初次测试。4.3 第三步使用Docker启动后端服务推荐项目使用Docker Compose来管理PostgreSQL数据库和Redis服务。这是最快捷、最不易出错的方式。# 在项目根目录下运行Docker Compose启动依赖服务 docker-compose up -d db redis # 检查服务是否正常运行 docker-compose ps你应该看到db和redis两个服务的状态为Up。作用PostgreSQL用于存储Agent的长期记忆、世界状态等持久化数据Redis用于缓存和管理对话、任务队列等高频临时数据。它们是AI小镇的“记忆中枢”和“消息总线”。4.4 第四步安装Python依赖并初始化数据库现在我们需要在本地Python环境中安装项目运行所需的库并创建数据库表结构。# 1. 创建并激活一个Python虚拟环境推荐避免包冲突 python3 -m venv venv source venv/bin/activate # Linux/macOS # 对于Windows WSL同样使用 source venv/bin/activate # 对于Windows CMD使用 venv\Scripts\activate # 2. 升级pip并安装依赖 pip install --upgrade pip pip install -r requirements.txt # 3. 运行数据库迁移创建所有必要的表 cd backend alembic upgrade head cd ..作用requirements.txt包含了langchain,sqlalchemy,redis等关键库。alembic upgrade head命令会根据项目中的迁移脚本在之前启动的PostgreSQL数据库中创建出Agent、Memory、Conversation等数据表。4.5 第五步启动模拟引擎并观察一切就绪现在可以启动核心的模拟引擎了。# 在项目根目录下运行主模拟脚本 python -m backend.ai_town.main如果一切配置正确你将看到控制台开始输出日志显示虚拟世界的时间开始流逝Agent们被初始化并开始根据SKILL进行活动。关键观察点日志会显示每个“时间步”发生了什么。你会看到类似[Agent: Alice] 触发 SKILL: morning_routine的信息。随后会看到Agent调用OpenAI API生成的具体对话或动作描述例如Alice说“早上好Bob今天的咖啡真不错。”至此一个最基本的AI小镇已经运行起来。默认的模拟可能比较简单接下来我们将深入核心——那三套公开的SKILL。5. 三套核心SKILL代码详解与汉化项目作者公开的三套SKILL是构建复杂叙事的基石。它们分别是基础社交SKILL、每日例行SKILL和事件驱动SKILL。我们结合汉化后的代码进行解读。5.1 基础社交SKILL (basic_social_skill)这套SKILL定义了Agent之间最基本的交互规则如打招呼、闲聊、提问、回答。// 文件路径backend/ai_town/skills/core_skills.json (汉化版节选) { “basic_social_skill”: { “description”: “处理Agent之间基本的社交互动如问候和简单对话。”, “trigger_condition”: { “type”: “proximity”, “params”: { “other_agent_in_range”: true, “relationship_level”: [“acquaintance”, “friend”] } }, “execution_logic”: { “type”: “llm_generation”, “params”: { “system_prompt”: “你是一个名叫{agent_name}的虚拟角色。你的性格是{agent_traits}。你刚刚遇到了{other_agent_name}你们是{relationship}关系。请生成一句符合你角色和当前场景的、自然的社交开场白。”, “output_key”: “utterance” } }, “post_actions”: [ { “type”: “update_memory”, “params”: { “memory_type”: “recent_interaction”, “content”: “与{other_agent_name}进行了简短社交” } } ] } }代码解读trigger_condition触发条件当另一个Agent进入一定范围(proximity)且关系是“熟人”或“朋友”时触发。这模拟了现实中的社交距离。execution_logic执行逻辑核心是调用大语言模型(llm_generation)生成具体对话。system_prompt是关键它将Agent的姓名、性格、对方姓名、关系等上下文信息注入指导AI生成符合角色的语言。post_actions后续动作执行后会更新Agent的记忆记录这次交互。记忆会影响未来的行为。5.2 每日例行SKILL (daily_routine_skill)这套SKILL让Agent的生活具有节律性例如早上喝咖啡、下午工作、晚上回家。{ “daily_routine_skill”: { “description”: “根据时间表驱动Agent的日常活动如用餐、工作和休息。”, “trigger_condition”: { “type”: “temporal”, “params”: { “time_of_day”: “morning”, “probability”: 0.8 } }, “execution_logic”: { “type”: “composite”, “params”: { “sequence”: [ { “type”: “move_to”, “params”: {“location”: “kitchen”} }, { “type”: “llm_generation”, “params”: { “system_prompt”: “现在是早晨你在厨房。描述你准备早餐或喝咖啡的动作和想法。”, “output_key”: “action_description” } } ] } } } }代码解读触发条件基于时间(temporal)例如“早晨”并且有一个概率因子(0.8)增加了行为的不确定性使模拟更真实。执行逻辑这是一个组合动作(composite)按sequence顺序执行。先执行move_to动作移动到厨房再调用LLM生成描述动作和想法的文本。这种“物理动作心理描述”的组合是构建沉浸感的关键。5.3 事件驱动SKILL (event_driven_skill)这是最复杂、也最能让故事产生戏剧性变化的一套SKILL。它由特定事件触发并能引发连锁反应。{ “event_driven_skill”: { “description”: “响应特定世界事件或高级目标驱动情节发展如传递秘密、发起挑战。”, “trigger_condition”: { “type”: “event”, “params”: { “event_type”: “secret_revealed”, “target_agent”: “{agent_name}” } }, “execution_logic”: { “type”: “llm_generation_with_memory”, “params”: { “system_prompt”: “你刚刚得知了一个关于{secret_topic}的秘密。这个秘密让你感到{emotion}。考虑你与{other_agents_involved}的关系决定你接下来要做什么或对谁说。只输出你的决定例如‘去找Charlie谈谈’或‘保持沉默’。”, “memory_query”: “last_interaction about {secret_topic}”, “output_key”: “decision” } }, “post_actions”: [ { “type”: “create_new_event”, “params”: { “event_type”: “agent_initiated_action”, “data”: {“action”: “{decision}”, “initiator”: “{agent_name}”} } } ] } }代码解读触发条件依赖于自定义的event_type如secret_revealed。这意味着你可以在模拟中“注入”特定事件来推动剧情。执行逻辑llm_generation_with_memory类型表明它在生成决策时会查询相关的记忆(memory_query)使Agent的决策基于过往经历更加合理。后续动作最重要的部分是create_new_event。一个Agent的决策输出decision会作为一个新的事件被创建出来广播给整个系统从而可能触发其他Agent的event_driven_skill。这就形成了故事的链式反应和涌现叙事。6. 运行结果与效果验证观察你的小镇故事启动模拟后如何判断它正在正确工作并生成了有趣的内容你需要学会观察日志和查询数据。6.1 控制台日志观察运行python -m backend.ai_town.main后关注以下几类日志INFO - World clock advanced to: Day 1, 08:00 AM INFO - [Agent: 作家_张三] 触发 SKILL: daily_routine_skill (morning) INFO - [Agent: 作家_张三] 执行动作: move_to location书房 INFO - [Agent: 作家_张三] LLM生成: “张三揉了揉惺忪的睡眼坐在书桌前打开了那本写了一半的小说稿。他感觉今天灵感有些枯竭。” INFO - [Agent: 咖啡师_李四] 触发 SKILL: basic_social_skill INFO - [Agent: 咖啡师_李四] 遇到 [Agent: 艺术家_王五] INFO - [Agent: 咖啡师_李四] LLM生成: “早啊王五还是老规矩一杯手冲瑰夏” INFO - [Agent: 艺术家_王五] LLM生成: “谢了李四今天得多加一份灵感我的画布还在等我呢。” INFO - [Event Created] 类型: conversation_started, 参与者: [李四 王五], 话题: ‘咖啡与创作’验证点时间在推进。Agent能正确触发SKILL如daily_routine_skill,basic_social_skill。LLM生成的文本符合Agent的身份作家思考写作咖啡师谈论咖啡。社交互动能产生新的事件(Event Created)。6.2 数据库直接查询进阶验证对于更深度的验证你可以直接查询数据库查看Agent的记忆和事件流。首先进入Docker中的PostgreSQL容器docker-compose exec db psql -U postgres -d ai_town然后执行SQL查询-- 查看最近创建的10个事件 SELECT event_type, initiator_agent_id, data, created_at FROM world_events ORDER BY created_at DESC LIMIT 10; -- 查看某个Agent例如ID为1的近期记忆 SELECT memory_type, content, embedding_vector IS NOT NULL as has_embedding, created_at FROM agent_memories WHERE agent_id 1 ORDER BY created_at DESC LIMIT 5;验证点world_events表应有持续新增的事件记录事件类型多样。agent_memories表中Agent的记忆内容应与其经历相符并且重要的记忆可能已被向量化has_embedding为真以便未来基于语义检索。6.3 简易可视化监控可选项目可能提供简单的Web界面或API来查看世界状态。你可以检查是否有如下端点# 尝试访问健康检查或状态端点具体端口请查看docker-compose.yml curl http://localhost:8000/health curl http://localhost:8000/api/agents如果返回JSON格式的Agent列表或世界状态信息说明后端服务运行正常。7. 常见问题与排查思路在部署和运行过程中你可能会遇到以下典型问题。这里提供系统的排查思路。问题现象可能原因排查方式解决方案启动失败ModuleNotFoundError1. Python依赖未安装。2. 虚拟环境未激活。3. 项目路径不对。1. 检查当前目录是否有requirements.txt。2. 运行pip list查看关键包如langchain, sqlalchemy是否存在。3. 确认终端当前路径在项目根目录。1. 激活虚拟环境source venv/bin/activate。2. 在项目根目录执行pip install -r requirements.txt。数据库连接错误1. Docker服务未启动。2..env中DATABASE_URL配置错误。3. 数据库迁移未执行。1. 运行docker-compose ps检查db服务状态。2. 检查.env文件中的DATABASE_URL是否与docker-compose.yml中的服务名、端口、密码匹配。3. 检查是否运行了alembic upgrade head。1. 启动服务docker-compose up -d db。2. 确保.env中URL格式为postgresql://postgres:passworddb:5432/ai_town。3. 在backend目录下执行迁移。OpenAI API调用失败1. API Key未设置或错误。2. 账户余额不足或速率限制。3. 网络问题。1. 检查.env中OPENAI_API_KEY的值确保没有多余空格。2. 登录OpenAI平台查看用量和余额。3. 尝试在命令行用curl测试API连通性。1. 设置正确的API Key。2. 充值或更换API Key。3. 检查代理或防火墙设置。可尝试在代码中配置OPENAI_API_BASE如使用某些中转服务。模拟运行但无输出/Agent不动1. SKILL文件路径错误或格式错误。2. 初始Agent配置缺失。3. 触发条件概率太低。1. 检查backend/ai_town/main.py中加载SKILL的路径。2. 检查是否有初始化Agent的脚本或数据。3. 查看日志是否有Trigger condition not met等信息。1. 确认汉化的core_skills.json文件在正确位置并被加载。2. 查找并运行seed.py或类似的数据初始化脚本。3. 临时修改SKILL中trigger_condition的probability为1.0进行测试。LLM生成内容质量差或不相关1.system_prompt设计不佳。2. 使用的模型能力不足如用了gpt-3.5-turbo。3. 上下文记忆未正确传入。1. 仔细检查触发该SKILL时生成的system_prompt字符串是否完整包含了角色、场景等信息。2. 查看日志中发送给OpenAI的完整请求内容需设置更高LOG_LEVEL。1. 优化SKILL中的system_prompt更清晰地定义角色和任务。2. 在.env中切换到gpt-4模型测试。3. 检查memory_query逻辑和记忆检索函数是否正确工作。8. 最佳实践与工程建议基于对My AI Town项目及其SKILL系统的分析如果你想将其用于更严肃的项目或研究以下建议能帮你走得更远。8.1 SKILL设计原则原子化每个SKILL应只负责一件明确、简单的事情如“打招呼”、“去工作地点”。复杂的剧情应由多个SKILL通过事件链协作完成。上下文丰富在system_prompt中尽可能注入丰富的上下文Agent的长期目标、当前情绪、与他人的关系历史、刚刚发生的事件。这是生成高质量、连贯行为的关键。概率与权重善用trigger_condition中的probability或引入更复杂的权重系统。这能避免Agent行为过于机械和可预测增加模拟的随机性和真实性。分层设计可以设计不同层级的SKILL。低级SKILL处理基础生理需求饿、累中级SKILL处理日常活动高级SKILL处理剧情关键节点。高级SKILL可以覆盖或中断低级SKILL。8.2 工程化部署配置管理将SKILL定义、Agent初始属性、世界规则等抽离为独立的配置文件如YAML或JSON与代码分离便于管理和A/B测试。异步与队列在大规模Agent模拟中LLM API调用是主要瓶颈。务必使用异步调用和任务队列如Celery Redis避免阻塞主循环。记忆检索优化Agent的记忆会快速增长。使用向量数据库如Chroma, Weaviate对记忆进行向量化存储和语义检索确保Agent在决策时能快速找到最相关的过去经验而不是简单的最近N条。状态快照与回滚定期保存整个世界的状态Agent状态、记忆、事件日志到数据库或文件。这便于调试、分析以及从特定时间点重新开始模拟。8.3 内容生成与后期日志结构化不要只输出文本日志。将每一步的Agent ID、SKILL ID、触发条件、LLM输入/输出、产生的事件等以结构化的格式如JSON行记录到文件或日志系统。这是后期分析和生成故事剧本的原材料。关键事件标记在event_driven_skill中可以设计一个“is_story_highlight”的标记。当生成特别有趣、冲突或戏剧性的内容时自动打标方便后期从海量日志中快速提取“高光时刻”。人机协同编辑完全自主的AI生成故事目前仍难以保证全程高水准。更可行的模式是“AI模拟人工剪辑”。让AI跑出大量素材创作者像纪录片导演一样从中筛选、重组、润色形成最终剧本。8.4 成本与性能控制模型分级调用并非所有决策都需要GPT-4。对于日常琐事如“决定吃什么”可以使用更便宜的模型如GPT-3.5-Turbo对于关键剧情转折点再调用GPT-4。可以在SKILL定义中增加“required_model”字段。缓存LLM响应对于在相同上下文中可能重复出现的决策例如同一个Agent在相同心情下每天早上的例行问候可以考虑缓存LLM的响应结果避免重复调用。设定预算与停止条件在模拟前根据Token单价设定预算和最大模拟步数。达到限制后自动停止防止意外的高额费用。9. 总结与后续学习方向通过本文的拆解你应该已经清晰地看到一部“AI电影”的诞生其核心远不止于最后的视觉化呈现更在于前期的“AI叙事引擎”。My AI Town项目及其SKILL系统为我们提供了一个绝佳的、可实操的研究框架。本文的核心价值在于技术祛魅将“AI电影”这个宏大概念落地为具体的Agent、SKILL、记忆、事件驱动等可理解、可编程的技术组件。路径清晰提供了从环境搭建、配置修改、代码解读到运行验证的完整闭环路径你完全可以跟着做一遍。思维转变强调了从“静态文生视频”到“动态模拟叙事”的范式转变。好的AI故事是先有可信的“角色”和“规则”而后自然“涌现”出情节。你的下一步可以是什么修改与实验尝试修改core_skills.json文件。给Agent增加一个“好奇心”SKILL或者设计一个“冲突解决”SKILL。观察模拟故事会发生什么变化。扩展世界观默认小镇很简单。你可以定义更复杂的地点、物品系统并设计与之交互的SKILL如“在图书馆查找一本关于魔法的书”。接入其他模型项目底层通常使用LangChain等框架这使得切换LLM提供商如国内的通义千问、文心一言或开源的Llama 3成为可能。研究如何修改模型调用层。可视化前端当前主要是日志输出。可以尝试用WebSocket将世界状态实时推送到一个简单的前端页面用2D地图或文字AVG的形式可视化Agent的活动。向《The Frost》学习找到《The Frost》这部短片的公开资料反向推测其可能设计了哪些特殊的SKILL和初始事件来引导出那个特定的悬疑故事。AI内容创作的未来正从“单次提示”走向“系统化模拟”。掌握像SKILL这样的行为工程化工具意味着你不再仅仅是技术的使用者而是虚拟世界的“规则设计师”。从这个小镇出发你可以创造出无限可能的故事宇宙。建议收藏本文在动手实践中随时回溯参考。
