写 TypeScript 和 React Native，业余折腾两个东西：
一个会自己运转的 MUD 世界。NPC 不是站桩念台词的木偶，他们会种田打铁、互相认识、偶尔记仇。
底层是类 Paradox 的数据驱动 + 事件系统。参考维多利亚 3 那种思路——不做脚本叙事，靠底层数据模型驱动一切。NPC 几点起床、跟谁关系好不好、打架谁赢、经济怎么流转，全是数据算出来的。事件不是手写的，是从数据状态里自然触发的：粮价涨了 → 触发饥荒事件 → 难民涌入 → 治安下降 → 触发暴动。
上层是 LLM 层，只在需要内容生成的时候介入：NPC 跟你聊天现编台词、灾荒了帮忙想个后果、文化分化了起个新方言名字。LLM 产出写回 ContentPool，下一轮数据引擎接着算。
为什么这么设计。 市面上有全 LLM 驱动的方向——Stanford 的 Generative Agents（2023），25 个 NPC 住在 Smallville 小镇里，每个 NPC 的思考、计划、对话、社交全部调 API，行为很灵活，但成本随 NPC 数量线性涨，几百个 NPC 直接跑不动。
这套架构走了另一个方向：日常运转交给数据引擎，LLM 只在需要内容生成时介入。几千个 NPC 同时活着不烧钱，大规模模拟可行，同时 NPC 跟你说话的时候该有温度的还是有温度。
游戏内容全在 26 个 YAML 文件里。想加个新职业或者调一下战斗伤害公式，改 YAML 就行，不用碰代码。
目前可以在终端里跑起来，纯键盘操作，WASD 走路，每天结束给一份章回体游记汇报今天世界上发生了什么。
[TypeScript · Bun · Solid.js]
让 AI Agent 在 Obsidian vault 上有长期记忆。工作流：Agent 干活 → supervisor 盯着别跑偏 → 经验通过 matcha 写进 vault → 下次干活时 pearl 帮 Agent 搜出以前踩过的坑、做过的决策，作为上下文注入。
- pearl：语义搜索 vault，Agent 动手前先翻翻历史笔记
- matcha：帮 agent 把工作记忆写进 vault，自动整理归档
- supervisor：盯着 agent 干活，别跑偏了。（自己用，还没公开）