KERN(Knowledge, Environment, Runtime, Narrative)是一个基于实体-组件系统(ECS)与数据驱动的离散事件仿真(DES)沙盒内核。本项目专为多智能体与大语言模型(LLM)实验设计,致力于提供一个可配置、可复用、可审计的底层运行基座。
在传统的智能体实验中,场景结构、交互逻辑与状态更新往往被深度耦合。KERN 通过将“世界定义”、“规则匹配”、“状态结算”和“智能体接入”彻底分离,使得研究者可以通过纯配置的方式快速切换场景与规则,而无需修改核心代码。
- 数据驱动的世界构建:摒弃复杂的类继承,采用 ECS 架构。场景中的实体及其能力(如生命值、背包、位置)均通过纯数据组件组合定义,极大地提升了环境的可扩展性。
- 声明式规则与统一结算:将智能体的主动交互与环境的被动事件抽象为声明式规则。所有的状态写操作都被收束为统一的“变更指令”,交由底层执行器集中落地。这种设计不仅保证了物理规则的严谨性,还让每一次环境演化都可追溯、可回放。
- 语义与物理的安全隔离:为外部智能体提供标准的感知与动作接口。智能体输出的决策指令必须经过系统规则引擎的合法性校验后,才能转化为底层的物理状态变更。这一机制有效拦截了 LLM 常见的“动作幻觉”,防止错误决策污染底层世界状态。
内核目前自带两个不同复杂度的验证场景,证明了同一套执行链对不同业务逻辑的兼容性:
- 农场(Farm):验证基础的移动、资源交换与生产任务推进。
- 太空狼人杀(Space Werewolf):验证复杂空间拓扑下的视野可见性、信息不对称交互与跨房间事件传播。
This repository is licensed under GNU GPL v3.0. See LICENSE.
In addition, redistributed or publicly published modified versions must preserve attribution to the original project name, author, and project URL in a user-visible project document. See NOTICE.