COMPARISON / DECISION MAPREAD BEFORE YOU BUILD
A DECISION MAP / 03

同一个问题,
三种起点。

没有“最好”的 AI 小镇项目,只有更适合当前目标的起点。先看研究价值和部署成本,再决定要复现、产品化,还是做中文实验。

判断维度01 / Stanford
Generative Agents
02 / AI Town
TypeScript + Convex
03 / GenerativeAgentsCN
中文社区衍生
实现类型原始研究参考实现产品化全栈实现社区本地化实验
主要语言PythonTypeScriptPython
部署难度中等较低中等
研究价值★★★★★★★★★☆★★★☆☆
适合场景论文复现
Agent 机制研究
产品原型
实时全栈实践
中文角色
本地模型实验
推荐给谁想知道“原理怎么成立”的人想知道“产品怎么跑起来”的人想知道“换成中文会怎样”的人
入口GitHub ↗GitHub ↗GitHub ↗
OUR SHORTCUT

如果你今天就要开始

研究优先:从 Stanford 原始实现开始,先理解记忆检索、反思和规划,再看其他项目如何取舍。

产品优先:从 AI Town 开始,用较完整的 TypeScript/Convex 结构快速做出可玩的原型。

中文实验优先:从 GenerativeAgentsCN 开始,把语言、人物与世界规则换成自己熟悉的语境。

AD SPACE 对比表下方的阅读型广告位预留