一个独立开发者在短短十天内利用婚假时间，打造出一款名为WorldX的创新项目，引发了AI领域的广泛关注。这款项目突破了传统AI世界的构建方式，用户只需输入一句话，系统便能在五分钟内生成一个完整的AI世界，包括地图、角色、动画以及人设，所有元素均自动生成，角色们在其中自主生活、互动，形成独特的记忆和戏剧性行为。
在WorldX中，用户可以描述一个场景，例如“夜晚的宋朝繁华夜市，有当铺掌柜、算命先生、捕快、小偷、酒鬼，还有一个刚从现代穿越来的网红。”系统便会迅速生成一个工笔画风格的宋朝夜市地图，各角色在地图上开始自主活动。当铺掌柜会守着柜台念叨被偷的事，算命先生等待客人上门，捕快四处巡逻，小偷混在人群中，酒鬼醉醺醺地游荡，而穿越来的网红则因其格格不入的衣着引起众人好奇。
这一项目解决了长期以来困扰AI小镇类项目的瓶颈问题，即世界构建的固定性。传统项目中，地图、角色和场景交互均需人工配置，而WorldX实现了“一句话造世界”的愿景，用户可以轻松创造任意设定的世界，从“末日便利店”到“赛博朋克拉面馆”，均无需从头开始设计。
WorldX的生成过程充满创新。系统首先生成全景地图，然后通过多模态大模型进行功能区定位、可交互元素定位和可行走区域标注。为了解决AI生成的地图缺乏精确坐标信息的问题，开发者采用了一种独特的方法：让AI用不同颜色涂出可行走区域，再通过像素级色差对比计算精确坐标。这一方法将生成式AI的不确定性输出转化为确定性的计算机视觉计算，确保了系统的稳定性。
在角色行为方面，WorldX采用Tick循环机制，以游戏内30分钟为一个时间单位，驱动角色自主决策、对话和行动。角色拥有三层记忆系统，能够根据近期经历进行微反思，并在一天结束时进行深度反思和记忆衰减。情绪系统则采用双维度模型，表达丰富的情绪状态，如兴奋、焦虑、平和和愤怒，增强了角色的真实感。
与斯坦福的Generative Agents项目相比，WorldX不仅证明了AI角色可以涌现出有趣的社会行为，还进一步实现了“任何人描述一句话就能拥有自己的AI世界”的目标。开发者在十天内独立完成了从多模态生成管线到AI模拟引擎的整套系统，包括地图生成、角色立绘、动画、寻路、转场、回放和多时间线等功能。
WorldX的开源引发了学术界的关注。Google DeepMind近期发布的Vision Banana论文验证了图像生成模型在视觉理解任务中的潜力，与WorldX的工程方案不谋而合。尽管具体实现不同，但两者均通过色彩编码输出完成分割和深度估计等任务，显示了这一方向的正确性。
目前，WorldX仍在不断优化中，开发者计划未来实现用户附身角色、社区世界画廊、自动演绎视觉小说等功能，甚至探索无限地图和多场景联动。这一项目不仅为AI领域带来了新的可能性，也为普通人创造和体验虚拟世界提供了便捷的工具。
