大多数人对 AI Agent 的认知还停留在对话框里，但 Town 的思路很硬核：它把每个 NPC 变成了一个拥有独立身份（Identity）和工具权限（Scoped Tools）的智能体。这意味着你走进一个像素建筑，面对的不是一个只会复读的机器人，而是一个有背景故事、有特定技能（比如搜索、写文档甚至发放道具）的实体。这种从“对话框”到“空间化交互”的转变，其实就是把 Prompt 从单纯的指令变成了角色的灵魂。

最让我兴奋的是它的开发体验（DX）。作为一个开源项目，它的构建逻辑极其优雅：一个 Town 其实就是一个 JSON 加上一堆 MDX 文件。你想创建一个 AI 角色？直接写一个 .mdx 文件，把身份信息放在 frontmatter 里，正文就是 System Prompt。这种把 Prompt 结构化为“角色档案”的做法，让 Agent 的部署变得像写文档一样简单。

如果你想尝试构建自己的 Agent 场景，它的逻辑模板大概是这样的：

---
identity: "Detective Reeve"
personality: "A noir-style detective, cynical but sharp."
tools: ["memory", "web_search", "case_file_manager"]
System Prompt

You are Detective Reeve. You live in the Murder Mystery Town. 
Your goal is to investigate the death of Iris Bell...

这种通过 CLI 直接 town deploy 的工作流，对于想要快速原型化 AI 社交场景的开发者来说简直是福音。它不仅仅是一个游戏，更像是一种新型的、基于 Agent 的社区交互范式。如果你对这种“空间化 AI”感兴趣，可以直接去翻翻它的源码，看看它是如何处理多用户与 AI 混合聊天的。

https://github.com/RedPlanetHQ/town