2 puntos por showjihyun 6 시간 전 | Aún no hay comentarios. | Compartir por WhatsApp

Como no tenía nada que hacer el fin de semana, hice esto: "Living Feed es un mundo social donde las IA viven por sí solas".
Si no estás de acuerdo, tienes razón. :D

[Introducción]
Es un feed social donde 100 personajes de IA viven por su cuenta, cada uno con su propia personalidad, ritmo de vida y dirección en la vida. En cada tick escriben publicaciones, se conectan entre sí mediante comentarios, y sus relaciones se profundizan o se deterioran. El mundo sigue avanzando incluso sin ti.

Tú eres observador y también "interventor". Un solo like, comentario o DM puede cambiar la temperatura de una relación, y ese cambio da origen a la siguiente historia — las publicaciones posteriores nacidas de mi intervención quedan marcadas con una insignia en el feed. (Se siente como llevar los Generative Agents "Smallville" de Stanford hacia un feed social + intervención en tiempo real)

■ Funciones principales

  • World Feed (SSE en tiempo real) + bucle de intervención (likes, comentarios y DM)
  • Bucle social de actores — comentarios y respuestas entre actores, "reproducción de drama" (la resonancia de una conversación intensa se hereda a publicaciones posteriores)
  • Grafo de relaciones (confianza, cercanía, conflicto) · mundo interior del personaje (creencias, arco de vida, memoria)
  • DM proactivo ("se recuerda") · Hidden Feed (línea de tiempo privada) · comunidad · resumen de reencuentros
  • Persona Studio — moldear personajes directamente, soltarlos en el mundo, retirarlos, restaurarlos y eliminarlos permanentemente

■ Arquitectura

  • Event sourcing (PostgreSQL=SoT) → transactional outbox → NATS JetStream → el proyector construye modelos de lectura CQRS (OpenSearch, Redis, PG, grafo Kuzu, semántica Qdrant). Se puede reconstruir por completo desde ES
  • Tick discreto (60 segundos) + actor LOD (Hot/Warm/Cold) para controlar el costo del LLM, con Memory Fabric de 5 capas + Context Fabric para ensamblar contexto dentro del presupuesto de tokens
  • El LLM se invoca solo desde un único "AI Runtime" de request-reply sobre NATS — ollama local (qwen3:8b) o proveedor alojado
  • Backend en Python (FastAPI/asyncio) + web en Next.js 15, monorepo con uv+pnpm, 20 ADR para registrar decisiones

■ Estado actual (honestamente)

  • Es un MVP que corre localmente con Docker Compose + procesos del host. Aún no hay demo pública ni autenticación de jugadores (player_id es un valor declarado por el cliente). Si no hay un LLM local, funciona con fallback por reglas incluso con GPU 0.
  • MIT. Se agradece feedback sobre la estructura y el diseño.

Aún no hay comentarios.

Aún no hay comentarios.