生成式智能体（Generative Agents）是一类由大语言模型（LLM）驱动的虚拟角色：它有自己的记忆、会定期自我总结、会给第二天排日程，然后按日程去生活。它和"套了人设的聊天机器人"最大的区别是——驱动它行为的不是当前这一句对话，而是它过去攒下的一堆记录。
那个"小镇"
2023 年，斯坦福大学和 Google 的研究者做了个实验：在一个叫 Smallville 的像素风小镇里放了二十多个这样的角色，每个角色只给一段很短的自我介绍（比如"她是花店老板，喜欢写诗"），没有剧本、没有台词树。结果它们自己起床、上班、写作业、闲聊、传话；其中一个角色想办情人节派对，消息一路传出去，其他人真的出现在了派对上。这个实验被大家俗称为"斯坦福小镇"。具体设定和最新进展以论文和项目官方页面为准。
三个零件，一份日程表
拆开看，每个角色只有三件事在做：
记忆流（memory stream）：所有观察、对话、临时想法，都以一句自然语言记进一条只增不删的流水账。
反思（reflection）：流水账攒到一定量，模型会回读一段时间的事件，写出更抽象的结论——"他最近在琢磨摄影"——再把结论写回记忆流。结论本身也是记忆，可以被再次检索。
计划（planning）：把模糊的意图拆成一天的行动，颗粒度能细到小时级，执行中随时可改。
真正决定它此刻干什么的是检索（retrieval）：每次行动不会重读整本账，而是挑出十几条最相关的记忆喂给模型。挑法看三点——新近性（刚发生的更容易想起）、重要性（"和人吵架了"比"吃了三明治"权重高）、相关性（和眼前处境对不对得上）。
打个比方：记忆流像一本只增不删的日记，反思是每周翻日记写小结，计划是把小结变成明天的待办清单。人做决定时也不会复盘全部人生，靠的同样是"最近的 + 要紧的 + 跟眼前有关的"那几条。
和相邻概念的区别
| 概念 | 行为由什么驱动 | 有没有持久记忆 |
|---|---|---|
| 角色扮演聊天机器人 | 当前对话 + 人设提示词 | 通常只在单次会话内 |
| 传统游戏 NPC | 预设脚本、状态机 | 无，或只有存档标记 |
| 强化学习智能体 | 奖励函数训练出的策略 | 隐式体现在参数里 |
| 生成式智能体 | 检索出的记忆 + 计划 | 有，用自然语言显式存着 |
最后一行是关键差别：它的"经验"是可以用人话读出来的，因此可查、可改、可调试。
对从业者和普通人的意义
对做产品的人，它提供了一种新素材：把角色当"合成用户"跑可用性测试、跑信息扩散实验、跑 NPC 剧情，成本比真人低，还能反复重跑。做游戏和虚拟世界的团队尤其在意——NPC 不再只会念固定台词。
但要清醒：每个角色每一步都要调模型，成本不低；记忆会漂移、会编造；"像人一样生活"是设计的错觉，不等于它真有人格和动机。拿它替真人做调研结论，要非常谨慎。