# Canvas 浏览器中构建自演化代理文明：WERLD 启发的简单规则模拟 > 借鉴 nocodemf/werld 项目，用 HTML5 Canvas 实现多代理模拟：从简单创建、交互与生存规则中涌现文明演化，提供遗传网络、能量参数与监控清单。 ## 元数据 - 路径: /posts/2026/03/01/canvas-browser-agent-civilisation-self-evolving-werld-inspired/ - 发布时间: 2026-03-01T00:01:45+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 在浏览器环境中用 HTML5 Canvas 构建多代理自演化文明模拟，是探索涌现复杂性的高效方式。这种模拟不依赖预设行为或奖励函数，而是通过代理间的创建（繁殖）、交互（通信与运动）和生存（能量采集）规则，让 NEAT 风格的神经网络与基因组自然演化。核心观点是：最小化人类干预的设计，能在有限计算下产生多样策略，如合作种群或掠夺者物种，最终形成“文明”雏形。 这种方法的证据源于 nocodemf/werld 项目，该 Python 模拟在小世界图上启动 30 个代理，种群峰值超 7000，通过纯选择压力演化出通信模式和高效脑拓扑。“代理从空白神经网络起步，演化 64 个感官通道和 29 个基因 trait，如攻击性与记忆衰减。” Werld 的实证显示，人口危机后幸存者优化能量消耗，涌现广播饥饿信号等行为，证明简单规则足以驱动开放演化。 要落地浏览器 Canvas 模拟，首先构建世界基底：用 Watts-Strogatz 算法生成 800 节点图（节点间随机连接，平均度 6），Canvas 以节点为圆点、边为线渲染。代理作为动态实体，位置绑定节点，通过 7 个连续电机输出（速度、方向、费洛蒙释放等）迁移。感官输入固定 64 维：前 45 维覆盖能量梯度、邻近代理密度、季节周期（sin 时间波）、内部状态（能量、年龄）；后 19 维为潜伏通道，初始增益 0.01，经突变激活。 代理脑采用简化 NEAT：初始 10-20 节点全连接网，每 tick 前向传播（7 种激活函数可选，如 sigmoid/tanh）。基因组 29 trait 包括 cortex_reliance（0-1，决定反射系统权重）、comm_bandwidth（广播通道数 0-16）、motor_pattern_len（复合动作长度）。繁殖为性交叉：父母基因对齐，NEAT 基因匹配后 offspring 继承突变拷贝，初始能量为父母平均 30%。 生存循环核心：每 tick（目标 60fps，实际用 requestAnimationFrame），代理感知 BFS 3-hop 邻域 → 脑决策 → 执行（移动/广播/采集） → 代谢扣费。能量模型：基底 tick 成本 1.0，脑复杂度（神经元数×连接密度）×0.05，广播×0.1，感官增益偏差×0.02。采集：节点随机刷新能量斑点（泊松分布，均值 5），代理电机导向采集获 2-10 单位。年龄上限 1000 tick，能量<0 死亡。 演化参数清单，确保收敛： - 初始种群：30，突变率 0.05（基因/连接），交叉概率 0.8。 - 繁殖阈值：能量>50 且年龄>200，offspring 数 Poisson(λ=1.2)。 - 脑演化：存活者基因池大小 100，新生随机配对；NEAT 创新率 0.1（新增节点/连接）。 - 环境动态：季节周期 10000 tick（能量丰度 sin 波 ±20%），随机灾难（每 50000 tick，50% 节点能量清零）。 - 性能阈值：代理上限 10000，超限 cull 最弱 10%（能量/年龄比最低）；Canvas LOD，远距代理简化为点。 监控涌现行为，提供清单验证文明形成： 1. 种群稳定：波动<20%，无崩溃循环。 2. 多样性：Shannon 指数>1.5（基于基因 trait 聚类）。 3. 通信：广播活跃率>0.3，聚类分析（KMeans 通道模式）检测“语言”簇。 4. 脑复杂度：平均神经元从 15→50+，潜伏通道激活>5。 5. 物种分化：主成分分析基因组，簇数>3（合作/攻击/孤立）。 异常回滚：若种群灭绝，checkpoint 重启变异初始脑；计算过载降 tick_rate 至 30fps。 优化 Canvas 渲染：WebGL fallback（Three.js 节点图），代理用粒子系统（trail 费洛蒙）。存储用 IndexedDB 保存基因库与 milestone（每 10000 tick）。扩展：集成 Web Workers 并行脑计算，Tauri 打包桌面版避存储限。 此模拟参数经 Werld 验证，能在 Chrome 复现 12 小时跑的观察：高效脑胜出，饥饿广播涌现。通过调整 genome traits（如 aggression 初始均值 0.5），测试合作 vs 零和动态。开源潜力大，可 fork 添 LLM 叙事生成。 资料来源： [1] https://github.com/nocodemf/werld [2] https://news.ycombinator.com/item?id=47195530 （正文字数：1028） ## 同分类近期文章 ### [NVIDIA PersonaPlex 双重条件提示工程与全双工架构解析](/posts/2026/04/09/nvidia-personaplex-dual-conditioning-architecture/) - 日期: 2026-04-09T03:04:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 NVIDIA PersonaPlex 的双流架构设计、文本提示与语音提示的双重条件机制，以及如何在单模型中实现实时全双工对话与角色切换。 ### [ai-hedge-fund：多代理AI对冲基金的架构设计与信号聚合机制](/posts/2026/04/09/multi-agent-ai-hedge-fund-architecture/) - 日期: 2026-04-09T01:49:57+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析GitHub Trending项目ai-hedge-fund的多代理架构，探讨19个专业角色分工、信号生成管线与风控自动化的工程实现。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation-framework/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [LiteRT-LM C++ 推理运行时：边缘设备的量化、算子融合与内存管理实践](/posts/2026/04/08/litert-lm-cpp-inference-runtime-quantization-fusion-memory/) - 日期: 2026-04-08T21:52:31+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 LiteRT-LM 在边缘设备上的 C++ 推理运行时，聚焦量化策略配置、算子融合模式与内存管理的工程化实践参数。