摘要
大规模智能体仿真（沙盒社会）用成百上千个 LLM 智能体充当「数字居民」，放进可配置的社会环境中自主交互，以涌现出的群体现象做社会科学的反事实实验。
关键词：智能体仿真；沙盒社会；生成式智能体；涌现；社会模拟；AgentSociety；OASIS；数字分身
1 概念
沙盒社会的做法是把每个智能体当成一个「数字居民」，给它身份画像、记忆、目标与社交能力，放进一个可配置的环境（小镇、社交媒体、经济体）里自主生活，研究者观测群体层面的涌现现象。它与传统 Agent-Based Simulation（ABS，基于规则的智能体仿真）的差异如表 1 所示，范式变化发生在行为的来源上，从研究者写死的 if-else，变成模型对「我会怎么做」的生成式回答。
| 维度 | 传统规则 ABS | LLM 智能体沙盒 |
|---|---|---|
| 行为来源 | 研究者手工编写的规则脚本 | 模型基于记忆与目标的生成式决策 |
| 行为上限 | 只能复现已知规律 | 可涌现未预期的群体现象 |
| 建模成本 | 一个场景写一个月规则 | 自然语言描述环境即可开跑 |
| 可信度 | 规则透明、可解析验证 | 依赖模型先验，需另行校准 |
表 1 传统规则 ABS 与 LLM 智能体沙盒的范式对比
可行性的立论点是 2023 年斯坦福的 Generative Agents 实验，25 个智能体在 Smallville 沙盒小镇自主生活，没有任何脚本编排，它们自行传播信息、形成关系，还自发组织了一场情人节派对 1。涌现行为的真实性第一次在 LLM 智能体身上得到验证，大规模化的大门由此打开。
2 可行性来源
传统 ABS 有两堵墙。第一是行为僵硬，规则只能覆盖设计者想到的情形，社会现象里大量的模糊、妥协与例外写不进去，导致仿真只能验证已知结论。第二是建模成本高，复杂场景的规则编写与调试以月计，研究者干脆放弃仿真退回问卷与历史数据。
LLM 恰好拆掉这两堵墙。其一，环境与规则可以用自然语言描述，建模成本从月级降到天级。其二，智能体天生具备记忆、规划与社交三种能力，能对没预设过的情境给出合理反应，涌现成为默认产物而非奇迹。其三，对话式交互让信息传播、合作与冲突都能以自然语言完成，社会网络的每条边都有了内容。
沿这条线，领域在两年内走完三代。第一代验证微观可信，其立论实验见第 1 章。第二代验证个体复刻，用 2 小时访谈语料为 1000 个真人构建数字分身，其对社会调查问卷的回答精度接近本人两周后的自我重测一致性 2。第三代验证宏观规模，沙盒从千人涨到百万级，开始长出经济与治理结构。
3 架构与谱系
3.1 居民、环境、引擎三层
现有平台的骨架高度一致，可拆成三层，如图 1 所示。
#mermaid-svg-YIIP2mMMer5Nhg0e{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-YIIP2mMMer5Nhg0e .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-YIIP2mMMer5Nhg0e .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-YIIP2mMMer5Nhg0e .error-icon{fill:#552222;}#mermaid-svg-YIIP2mMMer5Nhg0e .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-YIIP2mMMer5Nhg0e .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-YIIP2mMMer5Nhg0e .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-YIIP2mMMer5Nhg0e .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-YIIP2mMMer5Nhg0e .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-YIIP2mMMer5Nhg0e .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-YIIP2mMMer5Nhg0e .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-YIIP2mMMer5Nhg0e .marker{fill:#333333;stroke:#333333;}#mermaid-svg-YIIP2mMMer5Nhg0e .marker.cross{stroke:#333333;}#mermaid-svg-YIIP2mMMer5Nhg0e svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-YIIP2mMMer5Nhg0e p{margin:0;}#mermaid-svg-YIIP2mMMer5Nhg0e .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-YIIP2mMMer5Nhg0e .cluster-label text{fill:#333;}#mermaid-svg-YIIP2mMMer5Nhg0e .cluster-label span{color:#333;}#mermaid-svg-YIIP2mMMer5Nhg0e .cluster-label span p{background-color:transparent;}#mermaid-svg-YIIP2mMMer5Nhg0e .label text,#mermaid-svg-YIIP2mMMer5Nhg0e span{fill:#333;color:#333;}#mermaid-svg-YIIP2mMMer5Nhg0e .node rect,#mermaid-svg-YIIP2mMMer5Nhg0e .node circle,#mermaid-svg-YIIP2mMMer5Nhg0e .node ellipse,#mermaid-svg-YIIP2mMMer5Nhg0e .node polygon,#mermaid-svg-YIIP2mMMer5Nhg0e .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-YIIP2mMMer5Nhg0e .rough-node .label text,#mermaid-svg-YIIP2mMMer5Nhg0e .node .label text,#mermaid-svg-YIIP2mMMer5Nhg0e .image-shape .label,#mermaid-svg-YIIP2mMMer5Nhg0e .icon-shape .label{text-anchor:middle;}#mermaid-svg-YIIP2mMMer5Nhg0e .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-YIIP2mMMer5Nhg0e .rough-node .label,#mermaid-svg-YIIP2mMMer5Nhg0e .node .label,#mermaid-svg-YIIP2mMMer5Nhg0e .image-shape .label,#mermaid-svg-YIIP2mMMer5Nhg0e .icon-shape .label{text-align:center;}#mermaid-svg-YIIP2mMMer5Nhg0e .node.clickable{cursor:pointer;}#mermaid-svg-YIIP2mMMer5Nhg0e .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-YIIP2mMMer5Nhg0e .arrowheadPath{fill:#333333;}#mermaid-svg-YIIP2mMMer5Nhg0e .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-YIIP2mMMer5Nhg0e .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-YIIP2mMMer5Nhg0e .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-YIIP2mMMer5Nhg0e .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-YIIP2mMMer5Nhg0e .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-YIIP2mMMer5Nhg0e .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-YIIP2mMMer5Nhg0e .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-YIIP2mMMer5Nhg0e .cluster text{fill:#333;}#mermaid-svg-YIIP2mMMer5Nhg0e .cluster span{color:#333;}#mermaid-svg-YIIP2mMMer5Nhg0e div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-YIIP2mMMer5Nhg0e .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-YIIP2mMMer5Nhg0e rect.text{fill:none;stroke-width:0;}#mermaid-svg-YIIP2mMMer5Nhg0e .icon-shape,#mermaid-svg-YIIP2mMMer5Nhg0e .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-YIIP2mMMer5Nhg0e .icon-shape p,#mermaid-svg-YIIP2mMMer5Nhg0e .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-YIIP2mMMer5Nhg0e .icon-shape .label rect,#mermaid-svg-YIIP2mMMer5Nhg0e .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-YIIP2mMMer5Nhg0e .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-YIIP2mMMer5Nhg0e .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-YIIP2mMMer5Nhg0e :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 引擎层 · 大规模调度
行动与对话
经历与反馈
环境层 · 沙盒社会
空间 / 社交网络 / 经济系统 / 平台规则
智能体层 · 数字居民五件套
画像 Profile
记忆 Memory
规划 Planning
行动 Action
反思 Reflection
并行执行 · 事件驱动 · 观测与干预
图 1 沙盒社会三层参考架构
智能体层决定「居民像不像人」，画像给身份，记忆给连续性，规划给主动性，反思把经历沉淀成稳定态度。环境层决定「社会像不像社会」，空间布局、社交网络拓扑与经济约束共同框定交互的可能。引擎层决定「跑不跑得动」，千级以上规模靠并行调度与事件驱动，配套观测面板与干预接口，否则百万智能体只是高成本的黑箱。
3.2 平台谱系
五个代表平台覆盖了从微观到宏观的规模谱系，汇总如表 2 所示。
| 平台 | 规模 | 核心贡献 | 适合研究 |
|---|---|---|---|
| Generative Agents（斯坦福） | 25 个 | 首次验证涌现行为，开源 Smallville | 行为可信度、信息传播 |
| 1000 People（斯坦福） | 1000 个真人分身 | 访谈语料驱动的个体复刻 | 问卷调查代理、态度预测 |
| AgentSociety（清华） | 大规模引擎 | 社会科学实验平台，分析与干预一体化 | 政策预演、社会系统干预 |
| OASIS（CAMEL-AI） | 百万级 | 社交媒体仿真，20 余种交互行为 | 谣言扩散、极化、羊群效应 |
| Project Sid（Altera） | 千级（Minecraft） | 长程文明涌现，分工与治理规范 | 机制设计、协作演化 |
表 2 大规模智能体仿真代表平台谱系
需要说明的是 Project Sid，据综述 4 收录与公开报道，它在 Minecraft 中让数百到上千个智能体长期共存，涌现出分工、交易、宗教与税收治理等文明构件，但其官方技术报告暂无公开可点链接，引用时应注明来源性质。
4 用途与边界
4.1 正经用途
- 政策预演 ，税收、补贴、限流等政策先在沙盒跑一遍看群体反应，AgentSociety 即以此为核心定位 3；
- 传播研究 ，OASIS 类平台做谣言扩散、极化形成与干预的反事实实验，变量可控、可重复 5；
- 经济与组织沙盘，借鉴 Project Sid 的文明涌现范式，做机制设计与协作演化的沙盘推演；
- 个体代理 ，数字分身替人类预答问卷，降低社科实验成本，精度已接近自我重测水平 2。
4.2 边界与陷阱
- 保真度存疑，LLM 继承的是互联网文本的人类先验而非具体人群，仿真结果是「平均人」的推演，弱势群体与亚文化代表性差，据此下政策结论应标注为推导；
- 同源偏置，所有智能体共享少数几个底座模型，群体多样性是伪多样，涌现现象可能是模型同质性的回声而非社会规律；
- 规模不等于有效，微观可信与宏观涌现经常脱节，个体分身问卷答得准，不代表百万级舆论演化也准，两级结论需分别校准；
- 成本与伦理，千级智能体长期运行的 token 开销可观，沙盒会失控，需要观测与熔断，而在沙盒里做社会干预实验本身也有伦理边界，坏点子不该因为发生在沙盒里就随便试。
总结
大规模智能体仿真就是用 LLM 智能体当数字居民、沙盒当社会容器、涌现当实验输出，从 25 人的小镇派对走到百万级舆论社会只用了两年。三层架构记住居民、环境、引擎就能对上所有平台，四类用途是政策预演、传播研究、经济沙盘和个体代理。但要记住它是平均人的回声而非真实社会的镜子，规模大不等于结论可信，当反事实实验场用，别当真理机器用。
参考文献
1 J. S. Park, J. O'Brien, C. J. Cai, M. R. Morris, P. Liang, M. S. Bernstein. "Generative Agents: Interactive Simulacra of Human Behavior." arXiv:2304.03442 , 2023.
2 J. S. Park, C. Zou, A. Shaw, E. L. Hill, C. Cai, M. R. Morris, R. Willer, P. Liang, M. S. Bernstein. "Generative Agent Simulations of 1,000 People." arXiv:2411.10109 , 2024.
3 J. Piao, Y. Yan, J. Zhang, et al. "AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents." arXiv:2502.08691 , 2025.
4 Y. Mou, et al. "From Individual to Society: A Survey on Social Simulation Driven by LLM-based Agents." arXiv:2412.03563 , 2024.
5 Z. Yang, et al. "OASIS: Open Agents Social Interaction Simulations on One Million Agents." arXiv:2411.11581, 2024.