一篇基于大模型的游戏Agents研究综述

在大型语言模型（LLM）驱动的游戏智能体（Agent）设计中，有一个概念架构正在成为行业共识。简单来说，它把智能体拆解成了六大核心功能模块——

。理解这六个组件，基本就抓住了这类系统的骨架。

打个比方：感知让智能体“看见”游戏世界的变化，比如屏幕上的敌人或者场景中的对话；记忆让它可以记住刚才发生了什么，甚至能追溯更久远的上下文；思考则是根据当前信息做推理和决策，比如要不要逃跑或者换个战术；角色扮演决定了它的人设和说话风格，让它像个真正的游戏角色而不是机器人；行动是它实际去操作角色、触发技能或交互；学习则让它在一次次试错中积累经验，变得更聪明。

这六者彼此咬合，缺一不可。而下面这张图，正好把这个架构的相互作用关系梳理了出来——看一遍，比读十段文字更直观。