他们拥有记忆和思考能力，在这个以《我的世界》为背景的小镇中像人类一样生活。
驱动他们的，是一款全新的、针对开放世界设计的、基于语言的AI角色扮演框架LARP。
这里的LA指的是Language Agent，同时LARP又是实时（Live Action）角色扮演的缩写，可谓是一语双关。
除了拥有更高的认知复杂度，相比于传统的智能体框架，LARP还缩小了智能体与开放世界游戏之间的差距——
这类游戏往往没有特定的“通关标准”，而是由玩家在其中自由探索，而传统的游戏智能体常被用来完成特定目标。
此外，LARP的重点是突出模拟，使得智能体的行为更接近人类，为此研究者甚至特意引入了遗忘机制。
那么，LARP具体如何实现？马上就来一探究竟。
多模块协同控制智能体LARP的结构是模块化的，具体包括了认知、人格、记忆、决策等组成部分。
其中，记忆模块又由长期记忆、工作（短期）记忆和记忆处理系统三个部分组成。
流程上，角色观察到的环境等信息会以自然语言形式输入记忆处理模块，经过编码转换并结合提取到的长期记忆，形成工作记忆；
然后工作记忆会输入到决策模块，最终产生决策或对话内容。
决策模块的一个特点是会将一项大的目标拆解成子任务，同时利用其中的语言模型确定子任务的执行顺序。
模型所做出的决策，会通过环境交互模块调用API来执行，必要时还会调用回溯模块进行代码重建；
执行成功后，角色的新技能会被储存，成为新的长期记忆。
在长期记忆的提取的过程中，人物会根据观察到的内容进行自我提问，并通过逻辑语句、向量相似度和句子相似度三个维度进行查询，从而提取答案。
其中逻辑语句用于语义（semantic）记忆的查询，后两者则用来查询情景（episodic）记忆。
语义记忆是关于世界的一般性概念和事实知识，包含了游戏规则和相关世界观；情景记忆则是游戏中的具体事件，与特定场景和经历相关。
前者内容相对固定，而后者则会根据Agent的经历不断积累。
