我构建了一个 Maze Runner 模拟，让青少年 Sam Altman 在空地中生存 2025年12月25日

Source: Dev.to

当你把青少年版的 Sam Altman 丢进 James Dashner 的 《迷宫跑者》 世界会怎样？
你会得到一个出乎意料地让人上瘾、以人格为驱动的模拟，融合了：

• 大五人格（OCEAN）模型
• 概率决策
• 令牌高效的 LLM 叙事生成
• 健康 + 关系追踪
• 漂亮的控制台输出 + matplotlib 健康图表

是的——它和听起来一样怪异且有趣。

一句话概念

一位16岁的萨姆·奥特曼醒来在盒子里。
他的生存几率主要取决于你决定他有多好奇、随和以及情绪稳定。

为什么会有这个

I wanted to:

• 将 OCEAN 人格特质作为实际的游戏机制进行玩耍
• 使用非常轻量的 LLM 调用来生成氛围文字，同时不花费太多金钱
• 创建一种感觉像互动同人小说的东西，但代码行数约为 200 行
• 找个借口思考青少年 Sam Altman 解迷宫的情景（别问）

核心架构（对于这样一个荒唐的想法来说出奇地简洁）

所有内容都在 一个极其自包含的文件 中（MVP 版）：

from dataclasses import dataclass
from typing import Dict
import random

@dataclass
class Character:
    name: str
    age: int
    ocean: Dict[str, float]
    health: float = 100.0
    relationships: Dict[str, float] = None

    def make_decision(self, event_type: str) -> str:
        if event_type == "danger":
            return "explore" if random.random() < self.ocean["O"] else "hide"
        # ... etc

def generate_narrative(...):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            max_tokens=85,
            temperature=0.7,
            # …
        )
    except Exception:
        return "Fallback: Sam did a thing. It was probably fine."

模拟循环极其简单：

while sim.run_day():
    pass

最后它会打印出一张漂亮的表格和健康曲线图。

人格真的很重要（超出你的预期）

LLM 使用 — 极度偏执版

我想要叙事风味，但又不想在一次有趣的运行上花费 $12。

解决方案

• 每次生成最多 85 个 token
• 温度 0.7（混乱但不疯狂）
• 完美的回退文本，仍然有意义
• 每天仅调用一次

50 次完整运行的总成本约为 $0.04–$0.07（2025 年 12 月定价）。

控制台输出色情（因为我们都爱漂亮的终端）

Day  4  |  Sam is offered a chance to run the Maze with the Runners.
   → Decision: explore
   → Outcome:  positive

   Sam sprinted into the twisting corridors, eyes wide with that terrifying mix of terror and fascination only a true puzzle addict could feel.

   Health: 100   |   Relationships: Newt:0.68  Thomas:0.62  Chuck:0.58

随后是一张简洁的汇总表和一张 matplotlib 折线图，展示健康值像青少年情绪一样起伏。

如何立即运行

git clone https://github.com/ilyarah/Maze_Runner_Sam_Altman_Sim_MVP.git
cd Maze_Runner_Sam_Altman_Sim_MVP

pip install openai matplotlib

export OPENAI_API_KEY="sk-..."

python simulation/main.py

每次运行大约需要 20–40 秒（主要是等待 OpenAI）。

Future Evil Plans (if I don’t get bored)

• 基于当前健康/关系的分支事件
• 多种结局（逃脱 / 成为守护者 / 被掠夺者吃掉）
• 使用 pygame 的 GUI（为什么不呢）
• 敏感性分析：开放性到底要到什么程度才算太多？
• 用其他公众人物替换 Sam（你知道你想要的）

最后的思考

这本来是个愚蠢的玩笑，却不知不觉变成了一个真正有趣、值得观赏的项目。

固定的性格特质 + 随机性 + 少量的 LLM 注入的组合，产生了在不到 300 行代码的情况下，出人意料地鲜活的自发故事。

有时最荒唐的想法会教会你最多关于自主性、性格建模，以及让 LLM 变得有趣所需的极少提示。

试试看吧。修改 OCEAN 参数。笑看少年 Sam 因为“太好奇”而被 Griever 撕咬。

如果你用 Elon 或 Vitalik 做出更糟的版本——请标记我。

2025 圣诞快乐，愿你的迷宫永远有出口。 🌀

我接下来应该构建什么奇怪的模拟？ 👇