构建支离破碎的AI驱动世界有一项最让人心烦的事：NPC往往显得无所不知。将全局世界状态输入一个巨大的上下文窗口，不一会儿当地铁匠就知道国王死于暗杀，这件事还未经传播就已被广为所知。

为了解决这一信息不均衡问题，我停止使用一个单一的主提示。相反，我将AI层分解成专门的角色：

“场景生成”, "场景引导", "世界系统推理", "NPC规划", "行动解析"和"叙事呈现"。

通过将这些角色分开你可以在代理之间产生一个真实的战略迷雾。这里是-turn进展流程如何强行实施的：

1.获取/恢复一个处理锁

2.加载基本状态（Postgres表格，非聊天记录）

3.先进世界系统

4.对NPC决策进行模拟，只向其提供其特定的当地知识和关系（核心约束：不允许有全知晓的编写）

5.解决玩家行动

6.最后，从所得状态中编写叙事

因为叙事呈现发生在所有有结构的状态发生变化之后，LLM就无法意外地给NPC传达元信息。这可靠地为其产生竞争性动机和自然的流言传播，没让模型扮演导演。

我在一个浏览器中运行着一个生命模拟游戏，名为AltWorld。如果你想看一下NPC局部知识如何改变游戏循环，点击这里 https://altworld.io

你们是如何在代理中处理局限的内存/战略迷雾问题？