Project OASIS：多智能体系统最大的潜力，或许藏在“模拟社会”中

Se7en的架构笔记 2025-04-07

534

当前，大多数关于智能体系统的研发，依然集中在“自动化”上——不仅仅是传统意义上的流程自动化或代码生成，更是向智能管理各类用户界面的方向延伸。

在编程自动化领域，Devin 实现了几乎全流程的代码生成，Cursor 提供半自动化的编程协作，Windsurf 则结合了 Copilot 辅助与自主决策；与此同时，OpenAI 的 Operators、Claude Desktop 和 Manus 等通用任务代理正在扩展对电脑和浏览器的操作能力，开源项目如 OWL 和 CRAB 则代表了协同式自动化的探索方向。

尽管当前焦点几乎都集中在自动化上，但“基于智能体的模拟”这一方向仍处于相对冷门的状态，鲜有研究者和开发者投入其中。但我们认为，模拟系统的应用场景远比想象中广泛——从营销活动建模，到疾病传播分析、用户行为预测等，都能找到模拟的用武之地。其中，基于智能体的模拟尤其有潜力催生革命性的产品，甚至重塑整个市场格局。在通向通用人工智能（AGI）的路径上，OpenAI 曾提出最终阶段（Level 5）将是由 AI 构成的“完整组织”，本质上就是一个超大规模、高保真的多智能体模拟系统。

而要实现这样的系统，模拟才是真正的关键。但目前的模拟系统仍处于早期阶段，距离真正能用于现实场景，还有较大的差距——最关键的缺口在于“真实感环境”的缺失。为此，我们推出了 🏝️ OASIS：一个开源的社会模拟环境，包含数百万基于大语言模型的智能体，旨在高度还原 Twitter、Reddit 等平台上数百万用户的真实行为。这或许是推动下一次智能体突破的关键一步。

🏝️ OASIS：支持百万智能体的社交媒体模拟环境

想象一下，你可以“观察”一百万个 Twitter 用户是如何互动、传播消息、相互影响的——而且还是在一个完全可控的环境中。这正是 OASIS 所实现的。

这些智能体可不只是“脚本机器人”那么简单。它们是由大语言模型驱动的复杂个体，能够发帖、转发内容、关注其他用户、参与讨论。每个智能体都有自己独特的“性格”、兴趣和行为模式，使得整个模拟过程不仅真实，而且富有生命力。

核心功能亮点

以下是 OASIS 的四大关键特性：

📈 高度可扩展性： OASIS 支持最多一百万个智能体的模拟运行，使研究者可以在接近真实平台规模下研究社交网络动态。
📲 动态模拟环境： 支持社交关系与内容的实时变动，真实再现如 Twitter、Reddit 等平台的动态演化过程。
👍🏼 多样化操作空间： 智能体可执行 21 种操作，包括关注、评论、转发等，为交互行为提供了丰富维度。
🔥 集成推荐系统： 内置兴趣导向和热度评分推荐算法，能够模拟社交平台中用户发现内容、互动传播的真实机制。

OASIS 的系统由五大核心模块协同运行，每一部分都对应着现实社交平台的关键机制：

🗃️ 环境服务器（Environment Server）

这是整个模拟系统的大脑与中枢。它像一个庞大的数据库，持续记录模拟世界中的一切：包括帖子内容、用户资料、关注关系、点赞评论等互动数据。可以将它理解为模拟版的“Twitter 后台”，维持着整个平台的实时状态。

🔍 推荐系统（Recommendation System）

决定每个智能体能看到哪些内容，就像现实中的社交平台那样：

在类 Twitter 平台中，它展示关注用户的动态和个性化推荐内容；
在类 Reddit 平台中，它采用类似“热度算法”，根据点赞、点踩和发布时间综合排序；
同时，它还使用基于社交媒体数据训练的 AI 模型来判断内容相似度，让推荐更加贴近用户兴趣。

🤖 智能体模块（Agent Module）

这是 AI 用户真正“居住”的地方。每个智能体都具备以下特征：

能存储过往互动和兴趣偏好；
利用大语言模型（LLM）决定下一步行为；
拥有 23 种可执行操作，包括发帖、评论、关注他人等；
并且能够“思考”自己行为背后的动机。

⚡ 高性能推理模块（Scalable Inferencer）

OASIS 需要处理海量智能体的决策与行为，这一模块的作用是：

高效管理多张 GPU；
并行处理大量智能体的动作；
动态分配算力资源，保证运行流畅。

⏳ 时间引擎（Time Engine）

现实中人不会全天在线，OASIS 也考虑了时间因素：

每个智能体有自己的“作息时间表”，决定他们在一天中的活跃时段；
所有事件按照合理顺序发生，并带有真实的时间戳，确保模拟世界的节奏自然可信。

那这些模块在实际运行中是如何协同工作的呢？

当模拟开始时，时间引擎会根据每个智能体的“作息表”唤醒对应用户。被激活的智能体首先会从推荐系统接收到内容，这些内容则来自环境服务器中存储的数据库。

接着，智能体的“大脑”（由大语言模型驱动）会根据当前的内容和历史偏好做出决策——也许是点个赞、写一条评论，或者直接发布一条新内容。这些行为会被实时记录到环境服务器中，进而影响其他智能体之后所看到的内容。

举个例子：

如果某个智能体发布了一条突发新闻——

这条帖子会被写入环境服务器；
推荐系统会基于算法为其他用户个性化推荐这条内容；
当其他用户上线后，就可能刷到这条新闻；
有些用户会转发或评论，从而形成一条“信息传播链”；
所有互动过程都会被追踪，并反过来影响之后的推荐结果。

这个循环不断推进，逐渐形成一个复杂的社交动态系统，研究者可以据此观察信息如何扩散、群体如何分化、甚至模拟舆情如何演变。更重要的是，OASIS 并不局限于某一种平台。它的模块可以灵活调整，比如更换推荐算法、添加新的用户行为，从而适配不同的社交平台结构。这种高度可配置性，为研究各类社交媒体现象提供了强大工具支持。

重现真实社会现象

OASIS 最引人注目的能力之一，是它能够高度还原现实社交媒体中的关键行为模式。研究人员已成功利用该系统复现了三项经典社会科学研究：

👥 从众效应（The Herd Effect）：在类似 Reddit 的平台上，OASIS 能够复现用户判断受到他人观点影响的机制。具体而言，当一条帖文获得初始点赞或点踩后，后续用户更倾向于沿着这一趋势继续评价。

我们在模拟中设置了不同场景，将部分帖子提前进行“虚拟点赞”或“虚拟点踩”，以模拟现实中用户可能受到的从众行为倾向。通过将这些模拟结果与人类行为数据对比，我们发现智能体比人类更容易受到从众效应的影响——也就是说，它们更容易被他人的观点所左右。

💬 谣言与真相（Rumor vs. Truth）：OASIS 能够模拟虚假信息与官方消息在社交媒体上的传播路径。研究人员分析了超过 73 万条帖子，追踪了哪些内容更容易受到不同类型信息的影响。

我们发现，虚假信息在数量上始终超过官方消息。在传播初期，用户对新话题的迅速反应使得二者扩散速度相当；但随着时间推移，官方消息的传播势头明显减弱，而虚假信息则能持续活跃、更长时间地流传。这一结果表明，虚假信息往往具有更强的“滞留效应”——即使其他话题逐渐消退，它仍然能够在平台上不断循环传播。

规模扩大是否会显著影响模拟效果？

智能体数量越多，群体动态越明显：

我们在 Reddit 模拟环境中引入了大量反事实内容（counterfactual posts），并在不同智能体规模下分析了从众效应的表现。结果发现：智能体数量越多，群体行为趋势越明显。换言之，群体在行为上的一致性与规模成正比，行为模式更易于被观察和量化。

🌟 一百万智能体的网络动态：

在 OASIS 模拟运行过程中，我们追踪了用户之间新建立的关注关系。结果显示，这些连接并不是均匀分布的，而是呈现出明显的“聚集”特征：部分用户形成了高度紧密的关系网络中心（hubs），而另一些用户则保持相对孤立的状态。

这一网络结构表明，无论是虚假信息还是新闻内容，其传播往往集中在特定社群内部，而非在整个网络中平均扩散。

使用强化学习构建更真实的 OASIS 环境

未来，OASIS 的潜力还可以通过 强化学习 进一步释放。举个例子：我们可以将不同社交媒体上的真实用户行为数据引入系统，并将其作为参考信号，对智能体的行为进行“奖励”——当某个智能体的行为更接近真实人类时，就给予正向反馈。这样一来，智能体会逐步学习如何表现得更像“真人”，其行为模式也将更加自然、可信。

进一步来看，如果我们将 OASIS 和其中的 LLM 智能体视为一个统一的环境，就可以在其中设计出真正可用的强化学习实验。

比如，我们可以指定某个智能体在特定时间点发布内容或点赞，随后观察其他智能体的反应。这些反应本质上就是环境的“反馈信号”。通过精心设计的奖励函数，我们甚至可以训练这些“用户智能体”达成特定目标，比如：

在模拟环境中执行一场营销策略
优化信息传播路径
探索如何在不同社交结构中影响用户观点

这将为研究者和开发者提供一个前所未有的沙盒平台，让他们在不影响真实用户的情况下，探索社交系统中的复杂动态机制，甚至提前预测可能出现的舆情变化和群体行为。

// Matrix：基于 OASIS 构建的社交媒体模拟产品

在 OASIS 构建的 “Matrix” 宇宙中，我们打造了一个类似于 X（原 Twitter）的社交媒体环境，具备实时热搜榜单，并精准模拟了用户智能体的注意力分配与行为决策。

在 Matrix 中，我们的目标是构建一个高度真实的“世界模拟器”——你可以像做实验一样，不断运行营销文案的 A/B 测试，找出最有效的策略；对于产品经理来说，Matrix 也可以在新产品或服务开发阶段，模拟用户、投资人、技术团队等多方反馈；你甚至可以模拟 “Elon Musk” 探讨火星殖民计划，或邀请硅谷工程师团队批判性地点评你的技术方案……更多有趣的玩法，等你来解锁。

如果你也想一窥多智能体系统的未来潜力，欢迎来体验这场模拟的狂想之旅
matrix.eigent.ai