One Word + LLM + Framework = A Properly Progressing World

WorldForge：一句话，一个活着的世界

NVIDIA DGX Spark 黑客松参赛作品

起点是一个不满

所有 AI 叙事系统都卡在同一个岔路口：要么是没有灵魂的世界模拟器（事件日志像服务器日志），要么是没有世界的讲故事机器（LLM 第三段就自相矛盾）。Dwarf Fortress 那种涌现式编年史没人情味，AI Dungeon 那种自由生成没物理一致性。中间那条路——"一个真在跑的世界 + 一个真会讲故事的大脑"——一直没人走通。

WorldForge 是我们在这次黑客松上对这个问题的回答。

一句话，一个 Progressing World

worldforge "三体世界"

这一行命令背后跑的是完整的因果链：LLM 起草世界规则（立法）→ 确定性内核编译执行（司法）→ 有限理性主体观察、误判、决策 → 因果叙事 → 世界自主推进。用户是客人——可以旁观世界自己活着，可以夺舍某个角色介入，可以快进看文明兴衰。

关键不是"LLM 能写故事"——是LLM 永远不裁定结果。物理是内核算的地面真相，LLM 只把数字翻译成剧情。这条红线（spec §8.2）是整个架构的地基：一旦让 LLM 决定"这次预测成功了没"，世界就失去必然性，退化成随机故事生成器。

我们在 Spark 上搭了什么

DGX Spark 是这个项目的理想宿主——128GB 统一内存、GB10 GPU，本地跑 30B 量化模型不卡。整个系统全本地化：世界状态、角色对话、叙事文本，数据不出机器。我们用 Spark 跑 qwen3-coder 生成规则、gemma 生成叙事、gpt-oss 生成动作 JSON——per-role 多模型路由，每个角色用最擅长的模型。

但这次最关键的工程决策，是把 LLM 从"司法"退回"立法"。LLM 只起草规则（世界怎么运行）、起草 GUI（界面长什么样）、起草认知模型（这个世界的角色会误判什么）。一旦规则编译进确定性内核，运行时 LLM 再也不碰结果。这保证了世界的一致性——同 seed 同结果，可回放、可审计、可 fork。

有限理性主体：错误在 AgentMind 生成，事实在 WorldKernel 裁决

传统 NPC 是"外挂数据库的 API"——角色知道服务器知道的每件事。这不真实。WorldForge 的 AgentMind 让角色只能看到自己观察到的世界（经 ObservationFilter 过滤，带延迟/噪声/盲区），基于可能错误的主观信念决策。

一个固执的科学家（evidence_weight=0.3），面对连续五次"乱纪元将至"的反证，信念不是收敛——是单调强化原判断（0.5 → 0.30 → 0.007 → −0.43 → …），这正是信念修正文献预测的教条回火效应。它完全确定、可回放，错误可追溯到"认知偏差"这个结构化来源——不是"NPC 一时犯傻"。

决策不是瞬时 state delta。重大决策形成持续存在的承诺（Commitment）——占用预算、触发组织反应、受阻力延迟、分阶段执行、广播给其他角色。一个科学家提议建观测台，组织可能只批 40% 预算 + 延迟 3 拍，同时产生长期 WorldModifier。这就是路径依赖——角色成为世界历史的推动者，不只是叙事里的说话人。

从三体到恋爱模拟：框架的通用性

三体世界是第一个实例——辛积分 + Lyapunov 指数 + 数学证明的逃离。但 WorldForge 不是"三体模拟器"。在这次黑客松上我们跑了六个世界验证通用性：三体、经济、政治、赛博朋克、奇幻、大学校园恋爱模拟。

恋爱模拟最能说明问题。没有物理内核、没有逃离证明——只有好感度、关系网络、社团活动。AgentMind 照样工作：角色观察对方反应（带偏差）、更新好感信念（教条的人更难改变印象）、基于主观概率决策（表白还是继续观察）。LLM 生成的规则跑在确定性内核上，叙事层把每拍的情感变化翻译成文学场景。同一个框架，从恒星的混沌之舞到青春期的情感纠葛——因为"有限理性主体 + 因果叙事"是普世结构，不绑任何物理。

我们没能完全做到的

诚实说，LLM 输出稳定性仍是痛点。qwen3-coder 偶发返回 markdown 而非 JSON，我们靠重试救。OpenAI 的 JSON mode（response_format）能硬约束，但 LM Studio 不支持——这是个待补的工程点。叙事连续性也不完美——LLM 偶尔重复开头（"三颗太阳疯狂舞蹈"），因为 history 承接没充分利用。

但我们做到了一件没人在做的事：LLM 为任意新世界生成该世界的认知模型——"这个世界的主体能误判什么、误判的结构是什么"。三体是低科技误判纪元，经济是信息不全误判市场，推理是确认偏误误指凶手。这是文献里的真空缺（Story2Game 生成动作前置条件，PDDL 生成物理模型，没人生成认知模型），是我们唯一能主张的学术贡献点。

为什么是 Spark

DGX Spark 让"全本地、多模型、实时"成为可能。30B 模型本地跑，per-role 路由让叙事用 gemma、规则用 qwen3-coder，互不阻塞。世界状态、角色对话、因果叙事全在本地——数据不出机器，这对一个"活着的世界"至关重要：一旦叙事走云，世界就是云的形状，不是本机的。

Spark 让"一句话 + LLM + Framework = Progressing World"从口号变成可以在黑客松现场跑给人看的真东西。一行命令，一个世界开始活着。这就是我们要展示的。 GitHub Repo: Editing WorldForge/README.md at main · Yuanhang2024/WorldForge​