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：
- 种群稳定：波动 < 20%，无崩溃循环。
- 多样性：Shannon 指数 > 1.5（基于基因 trait 聚类）。
- 通信：广播活跃率 > 0.3，聚类分析（KMeans 通道模式）检测 “语言” 簇。
- 脑复杂度：平均神经元从 15→50+，潜伏通道激活 > 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）