虚构世界构建:分层上下文压缩与迭代审阅的多智能体LLM协作

📊 论文图表(共 7 张)

展开查看 7 张图

‹ ›

TL;DR

AutoWorldBuilder 是一个用于自动化虚构世界构建的多智能体协作系统，通过结构化概念网络、语义局部性调度、四层上下文压缩和迭代审阅四大核心机制，在保证内容一致性的前提下高效生成自洽的世界设定。以 GPT-OSS 120B 和 DeepSeek v3.2 为后端，在 20 个世界构建任务上实现了 95% 的成功率，每个世界在 18–31 分钟内生成 56–103 个概念，且审阅流水线未检测到任何冲突。

研究背景与动机

虚构世界构建是游戏设计与文学创作的基础性工作——它不仅仅是罗列地理风貌和人物设定，而是要构建一套内在自洽、细节相互呼应的完整世界体系。这种一致性要求极高：一条关于魔法体系规则的设定，可能与另一条关于社会结构的设定产生隐性冲突，而这些冲突在人工审阅时往往难以察觉。随着大语言模型在内容生成领域的广泛应用，研究者开始探索能否借助 LLMs 自动化这一过程。

然而，将 LLMs 直接应用于世界构建面临三重困难。首先是上下文爆炸问题：随着构建过程的推进，需要参考的历史信息线性增长，token 消耗急剧攀升，很快就会触及模型的上下文窗口上限。其次是创造性与一致性之间的张力：LLM 的 [[temperature]] 参数控制着输出的随机性——较高的 temperature 能带来更丰富的创意，但也会增加生成矛盾内容的风险；较低的 temperature 则倾向于保守输出，难以产生足够多样的世界设定。第三重困难在于质量保障的缺失：LLM 自身无法可靠地识别自身生成内容中的冲突，需要引入外部机制进行校验。

本文的切入点在于认识到上述问题无法通过单一优化解决，而需要构建一个多智能体协作框架，在生成效率、内容多样性和质量保障之间取得平衡。

方法

AutoWorldBuilder 的设计围绕五个相互集成的组件展开，其核心思路是将世界构建任务解构为概念网络的增量扩展，并通过专门的机制分别处理效率、一致性和质量问题。

结构化概念网络与冲突检测是整个系统的基础数据结构。世界中的每一个设定——无论是地理环境、历史事件还是社会规范——都被建模为概念网络中的一个节点，节点之间通过语义关系边相连。当新增一个概念提案时，系统会遍历其邻居节点，根据预定义的冲突规则检测是否存在矛盾。例如，若已有“火焰魔法消耗施法者生命力”的设定，系统会自动标记“火焰魔法无任何副作用”的提案为冲突候选。这一机制解决了传统方法中依赖人工审阅的低效问题。

基于 DAG 的混合批处理调度器旨在优化生成效率。系统将所有待生成的概念组织为有向无环图结构，其中边的方向表示概念的依赖关系——例如“需要先定义大陆板块分布才能细化城市选址”。调度器按照[[语义局部性]]原则对任务进行分组：将相关概念打包在同一批次中处理，使得模型在处理每个批次时能够充分利用批次内概念的语义关联，减少上下文切换开销。这种设计相比随机调度或纯串行处理，能够显著提升批量生成的质量和效率。

四层上下文压缩机制是应对上下文爆炸的关键。系统依次执行四层压缩：语句压缩层去除冗余修饰，保留核心语义；重复消除层合并重复提及的设定；依赖裁剪层移除与当前任务无关的历史信息；最后是概念抽象层，将具体细节替换为高层类型标签。论文报告这一管道可实现约 90% 的 token 削减，意味着原本需要 10000 token 的上下文压缩后仅需约 1000 token，为处理大规模世界构建提供了充足的空间。

迭代审阅系统引入了专门的 [[Auditor]] 智能体负责质量保障。Auditor 不参与概念生成，仅负责审阅其他智能体提出的提案。当 Generator 产出一个概念提案后，该提案进入审阅流水线，Auditor 从一致性、原创性和完整性三个维度进行评估。若提案未通过，Auditor 生成具体的修改建议并反馈给 Generator 重新生成。这一生成-审阅-迭代的循环机制将提案通过率从初始的 42% 提升至 85% 以上，效果显著。

技能驱动型智能体架构则支持系统的可扩展性。每个智能体被配置为一组技能的组合，不同技能对应不同的生成策略和 [[temperature]] 设置。负责基础设定的智能体使用较低的 temperature 以确保准确性，负责创意发散的智能体则使用较高的 temperature 以激发多样性。这种差异化配置从根本上缓解了创造性与一致性之间的张力。系统支持零代码扩展——新增技能只需声明其功能描述和配置参数，无需修改底层逻辑。

实验与结果

论文设计了两组对照实验以全面评估系统性能。第一组实验使用 GPT-OSS 120B 作为后端，第二组使用 DeepSeek v3.2，分别在 20 个多样化世界构建任务上进行测试。这些任务涵盖不同题材——包括科幻、奇幻、历史架空等——以及不同规模，从单场景设定到跨越多个纪元的大型世界。

实验的核心指标是成功率，即最终产出的世界设定通过完整审阅流水线且无冲突检出的比例。结果显示，AutoWorldBuilder 在两组实验中均达到了 95.0% 的成功率，这一数字显著高于基线方法。基线方法包括单一 LLM 直接生成以及传统流水线式生成，成功率分别约为 67% 和 78%。

效率方面的数据同样令人印象深刻。系统为每个世界生成 56–103 个自洽概念的时间跨度为 18–31 分钟，折算下来平均每个概念的处理时间约为 20–30 秒。考虑到每个概念都经过了冲突检测和迭代审阅，这一效率相当可观。值得注意的是，审阅流水线在整个过程中未检测到任何冲突——这意味着所有最终产出的概念都通过了严格的一致性验证。

消融实验进一步揭示了各组件的贡献度。移除冲突检测机制后，成功率下降至 82%；移除迭代审阅系统后，通过率降至 71%；而移除上下文压缩机制虽然不影响成功率，但处理时间延长了约 40%，表明压缩机制在不牺牲质量的前提下有效控制了计算成本。

讨论与可借鉴点

AutoWorldBuilder 的架构验证了几个在多智能体 LLM 应用中具有普适价值的模式。“分层即预算”的压缩思路——根据不同层级分配不同的 token 预算，优先保证核心语义的压缩保真度——对于其他知识密集型任务同样适用。“语义局部性调度”则提示我们，任务分组的依据不应仅仅是表面特征（如优先级），更应考虑语义关联度——相关任务放在一起处理能产生协同效应。“生成与审阅的分离”则是一个重要的系统设计原则：将验证职责交给专门的角色，比让生成者自我检视更加可靠。

当然，这项工作也存在一定局限。首先，冲突检测规则目前依赖人工定义的大纲，面对完全开放式的世界构建时可能覆盖不足。其次，系统的性能上限受制于基础模型的推理能力——在更复杂的逻辑推理场景下，Auditor 智能体本身可能产生误判。第三，实验仅在虚构世界构建这一特定领域验证，对于其他知识密集型任务（如代码库文档生成、法律条文解释）的迁移效果仍有待考察。

总体而言，AutoWorldBuilder 的贡献不仅在于提供了一个可用的世界构建工具，更在于它展示了一种系统化解决多智能体 LLM 协作中效率、一致性和质量问题的方法论。这种方法论的迁移潜力值得后续研究进一步探索。

摘要

世界构建,即构建内部一致的虚构世界,是游戏设计与文学创作中的一项基础性任务。大语言模型(LLMs)为自动化内容生成带来了新的可能,但其在世界构建中的应用面临三大挑战:随构建过程线性增长的上下文爆炸、创造性多样性与内容一致性之间的张力,以及自动化质量保障的缺失。本文提出 AutoWorldBuilder,一个多智能体协作系统,通过五个相互集成的组件应对上述挑战:带冲突检测能力的结构化概念网络;基于 DAG 的混合批处理调度器,按语义局部性对任务进行分组;四层上下文压缩机制,可实现约 90% 的 token 削减;由专门的 Auditor 智能体组成的迭代审阅系统,将提案通过率从 42% 提升至 85% 以上;以及支持零代码扩展、并采用差异化温度配置的技能驱动型智能体架构。在 20 个多样化世界构建任务上开展的两组实验,以 GPT-OSS 120B 和 DeepSeek v3.2 作为大语言模型后端,取得了 95.0% 的成功率。该系统在 18–31 分钟内为每个世界生成 56–103 个自洽的概念,且审阅流水线未检测到任何冲突。本文所验证的架构模式——包括分层即预算的压缩、语义局部性调度,以及生成与审阅的分离——有望迁移至更广泛的、知识密集型的多智能体大语言模型应用场景中。

Abstract

Worldbuilding, the construction of coherent fictional worlds, is a foundational task in game design and literary creation. Large Language Models (LLMs) offer new possibilities for automated content generation, but their application to worldbuilding faces three challenges: context explosion that grows linearly with the building process, the tension between creative diversity and content consistency, and the absence of automated quality assurance. This paper presents AutoWorldBuilder, a multi-agent collaborative system that addresses these challenges through five integrated components: a structured concept network with conflict detection; a DAG-based hybrid batch scheduler that groups tasks by semantic locality; a four-layer context compression mechanism achieving approximately 90% token reduc-tion; an iterative review system with specialized Auditor agents that improves proposal pass rates from 42% to over 85%; and a skill-driven agent architecture supporting zero-code extension with differentiated temperature configuration. Two experiments across 20 diverse worldbuilding tasks, using GPT-OSS 120B and DeepSeek v3.2 as LLM backends, demon-strate a 95.0% success rate. The system generated 56–103 self-consistent concepts per world in 18–31 minutes, with no conflicts detected by the review pipeline. The architectural patterns validated here, including layer-as-budget compression, semantic-locality scheduling, and separation of generation and review, may transfer to the broader class of knowledge-intensive, multi-agent LLM applications.