singlestore summer hackathon 2023

Singlestore Summer Hackathon 2023的项目

Singlestore每年举办两个内部黑客马拉松，员工可以自由地从事他们想要的任何工作 - 不必以任何方式有用。

该黑客马拉松的主题是AI/ML，因此我们决定尝试使用Singlestore为我们提供的矢量数据库东西来做些事情，还可以混合一些Openai Shenanigans。

目标

该项目的目的是按照“有多个AI代理生活在口袋妖怪般的世界中，必须协作以实现用户提供的任务”。

不幸的是，由于时间限制，我们最终仅对单个代理人实施AI支持。事实证明，及时的工程并不容易 - 代理人很愚蠢，有时最终会重复他们已经完成的任务，例如打开他们已经打开的门。

如何

代理可以执行两个动作： walk(target)和interact(item, target) 。步行到目标只会移动给定对象或字符旁边的字符。例如，可以使用互动使用钥匙打开门。

特工从他们的行动的结果中获得反馈：例如， walk(goal)可以导致Cannot walk to 'goal' because 'door' is blocking the path 。决策是通过查询矢量数据库的世界信息（在这种情况下SingleStore ）来执行的，并在提示中包括该信息。

世界信息包括规则和状态。例如：

 You can open 'door's by interacting with them using 'key'.
There is a 'door' named 'door 1'.

代理人由3种不同的提示类型控制：

• 计划：我们为其提供一个目标，查询数据，当前库存，并要求它生成一个计划以实现它。
• 执行：我们从计划中赋予它的第一个任务，并要求它执行正确的操作（Walk/Interact）。
• 重新评估：当动作失败或在实现目标之前耗尽了任务列表时，我们要求考虑到先前的结果和计划，生成新的计划。

指示

1. 克隆仓库
2. cp .env{.example,}
3. 编辑.env文件并填充它（需要创建一个单口数据库）
4. 运行： LEVEL=<level_name> DATABASE=[dumb|s2] python3 scripts/main.py

注意： level_name是您在scripts/levels文件夹中选择的文件的名称。

资产

• ARMM1998的Zelda类瓷砖和精灵

作者

• 菲利普·席尔瓦（Filipe Silva）
• Ricardo Antunes