s05

智能体生成

仿真层

图谱实体到 OASIS 人格画像的转化

从知识节点生成具有完整人格特征的仿真智能体

区分个体实体和群体实体两种生成策略，通过 Zep 搜索丰富上下文后用 LLM 生成 MBTI、职业等拟人化属性

🎭

如何把知识图谱的节点变成有血有肉的智能体？

知识图谱中的实体是结构化数据节点，但 OASIS 仿真引擎需要的是具有完整人格特征的 Agent——包括年龄、性别、MBTI、职业、兴趣话题等。Profile 生成模块需要在保持实体核心信息的同时，赋予每个节点可信的拟人化属性。

总览

智能体生成模块将知识图谱中的实体节点转化为 OASIS 仿真平台所需的 Agent Profile。核心挑战是在保持实体原始信息的同时，赋予可信的拟人化属性，让仿真行为更贴近现实。

1/6

Key Source Code

个体 vs 群体：两种不同的 Profile 生成策略

backend/app/services/oasis_profile_generator.py

@dataclass
class OasisAgentProfile:
    user_id: int
    user_name: str
    name: str
    bio: str
    persona: str          # 核心人设描述
    # Reddit 风格
    karma: int = 1000
    # Twitter 风格
    follower_count: int = 150
    # 拟人化属性
    age: Optional[int] = None
    gender: Optional[str] = None
    mbti: Optional[str] = None
    profession: Optional[str] = None
    interested_topics: List[str] = field(default_factory=list)
    # 溯源
    source_entity_uuid: Optional[str] = None
    source_entity_type: Optional[str] = None

    def to_reddit_format(self) -> Dict[str, Any]: ...
    def to_twitter_format(self) -> Dict[str, Any]: ...

python

通过 Zep 搜索丰富实体上下文后用 LLM 生成详细人设

backend/app/services/oasis_profile_generator.py

def generate_profile_from_entity(self, entity, use_llm=True):
    # 1. 用 Zep 搜索 API 丰富实体上下文
    zep_context = self._search_zep_for_entity(entity)

    # 2. 区分个体实体和群体实体
    is_individual = self._is_individual_entity(entity)

    # 3. 构建 LLM prompt
    if is_individual:
        prompt = self._build_individual_prompt(entity, zep_context)
    else:
        prompt = self._build_group_prompt(entity, zep_context)

    # 4. 调用 LLM 生成详细人设
    result = self.llm_client.chat_json(messages=[...], temperature=0.7)

    # 5. 转为 OasisAgentProfile
    return OasisAgentProfile(
        user_id=entity.user_id,
        name=result["name"],
        persona=result["persona"],
        mbti=result.get("mbti"),
        ...)

python