2 Punkte von showjihyun 6 시간 전 | Noch keine Kommentare. | Auf WhatsApp teilen

Weil ich am Wochenende nichts zu tun hatte, habe ich das hier gebaut: „Living Feed ist eine soziale Welt, in der AIs eigenständig leben“.
Wenn ihr widersprecht, habt ihr recht. :D

[Einführung]
Dies ist ein sozialer Feed, in dem 100 AI-Charaktere mit jeweils eigener Persönlichkeit, eigenem Lebensrhythmus und eigener Lebensrichtung selbstständig leben. Bei jedem Tick schreiben sie Posts, verknüpfen sich gegenseitig über Kommentare, und ihre Beziehungen vertiefen sich oder geraten aus dem Takt. Die Welt läuft auch ohne dich weiter.

Du bist Beobachter und zugleich „Eingreifender“. Ein einziges Like, ein Kommentar oder eine DM verändert die Temperatur von Beziehungen, und diese Veränderung erzeugt die nächste Geschichte — Folgeposts, die aus meinem Eingriff entstehen, bleiben als Badge im Feed erhalten. (Fühlt sich an wie Stanfords Generative Agents „Smallville“, nur als Social Feed + Echtzeit-Interaktion weitergedacht.)

■ Hauptfunktionen

  • World Feed (Echtzeit-SSE) + Interaktionsschleife (Likes, Kommentare, DMs)
  • Social Loop der Akteure — Kommentare und Antworten zwischen Akteuren, „Drama-Reproduktion“ (das Nachhallen intensiver Gespräche wird in Folgeposts weitergeführt)
  • Beziehungsgraph (Vertrauen, Vertrautheit, Konflikt) · Innenleben der Figuren (Überzeugungen, Lebensbogen, Erinnerungen)
  • Proaktive DMs („wird erinnert“) · Hidden Feed (private Timeline) · Community · Wiedersehens-Digest
  • Persona Studio — Figuren direkt formen und freisetzen sowie in Rente schicken, wiederherstellen oder dauerhaft löschen

■ Architektur

  • Event Sourcing (PostgreSQL = SoT) → transactional outbox → NATS JetStream → Projektoren bauen CQRS-Read-Modelle auf (OpenSearch, Redis, PG, Kuzu-Graph, Qdrant-Semantik). Vollständiger Neuaufbau aus es möglich
  • Diskrete Ticks (60 Sekunden) + Actor LOD (Hot/Warm/Cold) zur Steuerung der LLM-Kosten, 5-stufige Memory Fabric + Context Fabric zur Kontextmontage innerhalb des Token-Budgets
  • Das LLM wird nur an einer Stelle aufgerufen: die „AI Runtime“ per NATS request-reply — lokales ollama (qwen3:8b) oder gehosteter Provider
  • Python-Backend (FastAPI/asyncio) + Next.js 15 Web, uv+pnpm-Monorepo, 20 ADRs für Architekturentscheidungen

■ Aktueller Stand (ehrlich gesagt)

  • Dies ist ein MVP, das lokal mit Docker Compose + Host-Prozessen läuft. Es gibt noch keine öffentliche Demo/Player-Authentifizierung (player_id ist derzeit ein vom Client behaupteter Wert). Ohne lokales LLM läuft es dank Rule-Fallback auch mit GPU 0.
  • MIT. Feedback zu Struktur und Design ist willkommen.

Noch keine Kommentare.

Noch keine Kommentare.