WorldX
一句话生成AI自主驱动的像素风沙盒世界，多个LLM Agent在世界中社交、演化、涌现故事
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
一句话生成AI自主驱动的像素风沙盒世界，多个LLM Agent在世界中社交、演化、涌现故事
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样一个场景：你只需要对系统说"北宋汴京的夜市街，有算命的、当铺掌柜、小偷、捕快，还有一个穿越来的现代人"，然后闭上眼睛等几分钟——当你睁开眼，一幅完整的像素风地图已经生成，七八个性格迥异的 AI 角色正在街道上闲逛、吆喝、攀谈，他们会因为一件小事争执，也会因为一次偶遇结下缘分，而你，作为这个世界的"上帝"，可以随时介入，修改某个角色的记忆，给世界注入一个突发事件，或者直接拉某个角色来一场架空对话。
这，就是 WorldX 正在做的事。
WorldX 并非凭空出现，它站在一个重要的学术研究肩膀上——2023 年斯坦福大学 Park 等人发表的论文《Generative Agents: Interactive Simulacra of Human Behavior》。这篇论文首次提出了"生成式 Agent"的概念：让 AI 角色像真实人类一样，拥有记忆、规划能力，会在社会中与其他角色社交、碰撞，从而涌现出没人提前写好的故事。
论文发表后，GitHub 上涌现了大量复现项目，但大多数停留在学术 demo 阶段——界面粗糙、功能单一、无法真正运行。WorldX 的作者 YGYOOO 在这些先行者的基础上，将生成式 Agent 的理念做成了一款真正可以上手体验的产品化工具：用户无需写一行代码，一句话就能创造一个完整的世界。
从 GitHub 数据来看，这个项目正处于快速成长期：Star 数已突破 1100+， forks 接近 200，代码仓库活跃，issue 和 PR 维护及时。TypeScript monorepo 架构、文档完善（双语 README）、内置示例世界降低上手门槛——这些都是典型的成熟开源项目特征。
WorldX 的核心是一个多模型协作管线，它用 4 个不同的 LLM 角色各司其职，共同完成"一句话 → 活的像素世界"这一转变：
| 模型角色 | 环境变量前缀 | 职责 | 推荐模型 |
|---|---|---|---|
| 编排引擎 | ORCHESTRATOR_ | 世界设计：定义角色性格、场景布局、行为规则 | Gemini 3.1 Pro / DeepSeek V4 |
| 绘图模型 | IMAGE_GEN_ | 生成地图美术和角色立绘 | Gemini Flash Image / FLUX.1-dev |
| 绘图审查 | VISION_ | 审查地图质量，定位区域/元素坐标 | Gemini 3.1 Pro |
| 世界驱动 | SIMULATION_ | 驱动运行时角色行为（决策、对话、记忆） | Gemini 2.5 Flash / DeepSeek V3 |
项目支持 OpenRouter、Google AI Studio、Atlas Cloud 等多个 LLM 平台，所有非绘图模型统一使用 OpenAI 兼容的 chat/completions 协议接入，绘图模型可选 OpenAI 兼容接口或 Google 原生图片接口。这种设计让用户几乎不受模型供应商限制。
当用户输入一句话后，orchestrator 模块首先登场。它的 world-designer.mjs 会调用编排模型，让模型根据自然语言描述设计出一个完整的世界配置——包括地图的布局和区域、每个角色的名字和性格特征、角色之间的初始关系网络，以及整个世界的运行规则（比如"角色每天需要吃饭"、"夜晚所有店铺关门"等）。
编排引擎的设计遵循了一个关键原则：使用较强推理模型处理设计任务。因为世界设计涉及复杂的结构化输出（JSON 配置），需要模型有足够的推理能力来保证输出一致性。这解释了为什么文档推荐编排引擎使用 Gemini 3.1 Pro 而不是更便宜的模型。
有了世界设计配置后，生成器管线分两路并行工作：
地图生成：调用绘图模型生成像素风地图，然后调用视觉审查模型检查地图质量（区域是否清晰可辨、颜色是否协调）。如果审查不通过，绘图模型会重试，直到得到满意结果。这是一个典型的 LLM-as-a-judge 闭环。
角色立绘生成：为每个角色生成独特的像素风立绘，并进行背景抠图处理，嵌入到地图场景中。
生成器使用了 sharp 库进行图片处理，所有生成的资产存储在项目 output/worlds/ 目录下。
模拟引擎是 WorldX 的"心脏"，是一个基于 Express + SQLite + WebSocket 的 Node.js 服务。它的核心由以下几个子系统构成：
SimulationEngine（simulation engine）：模拟引擎是整个系统的节拍器，控制着游戏时间的推进。它按设定的 tick 间隔触发所有角色的决策循环，决定谁在做什么、什么时候做、与谁互动。
DecisionMaker：角色的决策中心。它接收当前环境状态（其他角色的位置、最近发生的事件等），让 SIMULATION 模型决定该角色下一步的行动。这是一个高频率调用点——因为 SIMULATION 模型需要实时驱动数十个角色的行为，所以文档推荐使用最便宜的模型（如 Gemini 2.5 Flash）来控制成本。
DialogueGenerator：对话生成器，当两个角色需要交流时触发。它利用 SIMULATION 模型生成自然流畅的角色对话，并将对话记录存入对话历史。
MemoryManager（memory manager）：记忆管理器。每个角色都有自己的长期记忆（重要经历）和短期记忆（最近发生的事）。MemoryManager 负责管理记忆的存储、检索和优先级排序。决策时，DecisionMaker 会查询角色相关的记忆作为上下文，确保角色行为前后一致、有人格延续感。
EmotionManager（emotion manager）：情绪状态跟踪，记录角色当前的情绪值和情感变化，用于影响决策和对话风格。
NeedsManager（needs manager）：需求驱动，角色有自己的需求（饥饿、社交、金钱等），需求驱动行为选择。
客户端使用 Phaser 3（2D 游戏引擎）+ React 19 构建。Phaser 3 负责像素风地图的渲染、角色动画和相机控制；React 19 负责 UI 覆盖层（对话框、控制面板、时间线管理等）。前端通过 WebSocket 与服务器保持实时连接，接收模拟状态更新。
WorldX 采用 monorepo 结构，整个仓库分为以下几个包：
orchestrator/ # 世界设计编排，Node.js ESM
src/
index.mjs # 管线入口
world-designer.mjs # LLM 世界设计
config-generator.mjs # 配置生成
prompts/
design-world.md # 设计 prompt 模板
generators/ # 美术生成管线，Node.js ESM
map/src/index.mjs # 地图生成 + 审查循环
character/src/index.mjs # 角色立绘 + 抠图
server/ # 模拟引擎，Node.js TypeScript
src/
core/ # WorldManager, CharacterManager, MemoryManager
simulation/ # SimulationEngine, DecisionMaker
llm/ # LLMClient, PromptBuilder
store/ # SQLite 持久化
client/ # 游戏客户端，React 19 + Phaser 3 + Vite
src/
scenes/ # BootScene, WorldScene
ui/ # React UI 覆盖层
shared/ # 结构化输出解析工具（structured-output.mjs）
关键依赖：
数据结构化输出方面，项目使用 shared/structured-output.mjs 中的工具来处理 LLM 输出：自动检测模型是否支持 response_format: { type: json_object }，如果不支持则 fallback 到纯 prompt 工程 + markdown fence 解析模式。这体现了项目对多模型兼容性的认真处理。
优点：项目提供了两个预置世界，用户只需要填 SIMULATION 模型配置就能立刻体验，无需自己设计 prompt。这大大降低了"第一次用"的门槛。
挑战：完整运行需要 4 组 API Key，对新用户而言配置项较多。文档中虽然详细列出了 OpenRouter、Google AI Studio 和 Atlas Cloud 三种配置方案，但没有容器化支持意味着不同操作系统可能遇到不同的 Node.js 兼容性问题。另外，绘图模型推荐使用 Gemini Flash Image（而非 GPT Image 2），因为 GPT Image 2 在指令遵循上仍有欠缺，可能导致地图生成质量不稳定。
没有 GPU 要求：整个项目完全在 CPU 上运行，所有 LLM 调用都通过 API 走云端。这既是优点（门槛低）也是局限（运行速度依赖网络延迟和 API 限流）。
WorldX 的真正意义不在于技术本身，而在于它将"涌现叙事"（Emergent Narrative）这一游戏 AI 领域的前沿概念，做成了一款普通人可以直接上手的工具。
传统的游戏叙事是编剧写好的线性剧本，玩家只能在预设分支里选择。而 WorldX 和它的学术前身 Generative Agents 正在探索的是：让 AI 角色自主生成故事——玩家不需要做任何事，只要看着，故事就会自己涌现出来。这与沙盒游戏（Sandbox Game）的哲学一脉相承：《我的世界》《泰拉瑞亚》让玩家自己创造，而 WorldX 让 AI 自己创造。
从更宏观的视角看，WorldX 处于 AI Agent 应用的一个有趣交叉点：它不是单纯的 Agent 框架，也不是单纯的生成式游戏，而是一个多 Agent 社交模拟 + 生成式内容创作 + 交互式叙事的混合体。这种混合体的产品化，意味着它既可以服务于 AI 研究者（观察 Agent 社会行为），也可以服务于游戏开发者（快速原型 AI 驱动的 NPC 系统），还可以服务于内容创作者（生成叙事素材）。
Alpha 状态：项目文档明确标注处于 Alpha 阶段，这意味着 API 和数据格式可能随时变化，不适合直接用于生产环境。
成本问题：4 个 LLM 模型同时工作，生成一个世界可能产生数十美元的 API 费用。SIMULATION 模型的高频调用尤其值得注意——如果使用付费 API，每小时模拟运行的成本可能相当可观。
代理问题：文档专门用一整节讨论 Node.js 进程的代理配置问题，这在 Mac/Windows 环境下几乎是必踩的坑。对于中国用户来说，需要代理软件开启 TUN/全局透明代理模式，或者手动设置 HTTP_PROXY 环境变量，增加了上手复杂度。
** emergent 质量依赖模型能力**：角色行为的自然程度、对话的连贯性、世界逻辑的一致性——这些都高度依赖底层 LLM 的能力。随着模型能力提升，WorldX 的上限也会水涨船高；但如果使用较弱的模型，整个体验可能显得生硬、缺乏真实感。
总结：WorldX 是一个将 Generative Agents 学术理念产品化的有意义的尝试。它用 TypeScript monorepo 构建了一套完整的世界生成+角色模拟管线，通过 4 模型协作实现了"一句话 → 活的像素世界"的愿景。上手有一定门槛（需要配置 API Key），不支持 Docker 一键部署，但在 AI 沙盒模拟这个细分领域，它是目前 GitHub 上可玩性最高、工程化程度最好的开源项目之一。如果你对 AI Agent 的社交行为、涌现叙事或 LLM 驱动的游戏感兴趣，WorldX 值得 clone 下来亲自体验。