虚构世界构建：带层级上下文压缩与迭代评审的多智能体LLM协作

摘要

世界构建——构建连贯的虚构世界——是游戏设计与文学创作的基础任务。大语言模型（LLM）为自动化内容生成提供新可能，但应用于世界构建面临三个挑战：随构建过程线性增长的上下文爆炸、创意多样性与内容一致性的张力、以及缺乏自动化质量保证。本文提出AutoWorldBuilder，一个以五个集成组件应对这些挑战的多智能体协作系统：带冲突检测的结构化概念网络；按语义局部性分组任务的DAG混合批调度器；实现约90%token削减的四层上下文压缩机制；由专职审计者智能体执行、把提案通过率从42%提升到85%以上的迭代评审系统；支持零代码扩展与差异化温度配置的技能驱动智能体架构。以GPT-OSS 120B与DeepSeek v3.2为底座、跨20个多样世界构建任务的两组实验显示95.0%成功率：每个世界在18–31分钟内生成56–103个自洽概念、零冲突交付。此处验证的架构模式——层即预算的压缩、语义局部性调度、生成与评审分离——可迁移到更广的知识密集型多智能体LLM应用。

虚构世界构建：带层级上下文压缩与迭代评审的多智能体LLM协作：论文配图 — 图 1. AutoWorldBuilder 的系统架构概述。完整的管道包括：用户输入 →\rightarrow 任务分解器 →\rightarrow 混合批量分区器 →\rightarrow 核心循环（上下文打包器、代理池、迭代审核）→\rightarrow 最终检查 →\rightarrow 报告。三个支持组件包括代理池（21 个技能驱动的代理）、8 个专业审核员和 LLM 后端。架构图显示了包含用户输入、任务分解、批量分区、包含上下文打包和审查的核心执行循环以及输出生成的 AutoWorldBuilder 系统管道。