🚀 AgentSociety

   

AgentSociety是一个专为城市仿真环境设计的先进框架。借助AgentSociety，您可以轻松创建和管理智能体，从而高效地建模和模拟复杂的城市场景。

论文可在arXiv上获取：

@article{piao2025agentsociety,
  title={AgentSociety：大规模LLM驱动的生成式智能体仿真推进对人类行为与社会的理解},
  author={Piao, Jinghua and Yan, Yuwei and Zhang, Jun and Li, Nian and Yan, Junbo and Lan, Xiaochong and Lu, Zhihong and Zheng, Zhiheng and Wang, Jing Yi and Zhou, Di and others},
  journal={arXiv预印本 arXiv:2502.08691},
  year={2025}
}

🌟 特性

• 心智-行为耦合：整合LLM的规划、记忆和推理能力，生成逼真的行为；或采用马斯洛需求层次理论、计划行为理论等成熟理论进行显式建模。
• 环境设计：支持基于数据集、文本和规则的环境，具备不同程度的真实感和交互性。
• 交互式可视化：实验过程中实时监控和与智能体交互的界面。
• 丰富工具：包含面向社会实验的访谈、调查、干预及指标记录等实用工具。

📑 目录

1. 新闻
2. 框架
3. 安装
4. 快速入门
5. 贡献
6. 许可证

📰 新闻

• 📢 02.07 - 初始更新现已上线！

敬请期待后续更新！

🛠️ 框架

AgentSociety提供了一个强大的框架，用于在受控的虚拟环境中模拟社会行为和经济活动。
通过使用先进的LLM，AgentSociety能够模仿人类般的决策和互动。
我们的框架分为几个关键层，每一层负责不同的功能，如下图所示：

架构层级

• 模型层：位于核心，负责管理智能体配置、任务定义、日志设置及结果汇总。它为所有智能体进程提供统一的执行入口，通过任务配置实现对智能体行为和目标的集中控制。
• 智能体层：该层实现多头工作流，以管理智能体行动的各个方面。Memory组件存储与智能体相关的信息，如位置和运动；静态档案维护不变属性，自定义数据池则充当工作记忆。多头工作流支持正常模式和事件驱动模式，利用Reason Blocks（基于上下文和工具通过LLM进行决策）、Route Blocks（使用LLM或规则选择最优路径）以及Action Blocks（执行既定动作）。
• 消息层：促进智能体之间的通信，支持点对点（P2P）、点对组（P2G）和群聊交互，从而在仿真中实现丰富而动态的交流。
• 环境层：管理智能体与其城市环境的交互，包括环境感知（读取环境数据）、交互处理（修改环境状态）以及消息管理（处理智能体的收发消息）。
• LLM层：为将大型语言模型（LLMs）融入智能体工作流提供必要的配置和集成服务。该层通过Prompting & Execution支持模型调用和监控，兼容多种LLM，包括但不限于OpenAI、Qwen和Deepseek等模型，提供灵活的模型选择。
• 工具层：补充框架的功能，提供字符串处理（解析和格式化）、结果分析（将响应解析为JSON或字典格式）以及包含排名和搜索功能的数据存储与检索机制等实用工具。

⚙️ 安装

您可以通过pip轻松安装AgentSociety：

使用pip安装

适用于Linux AMD64或macOS

Python >= 3.11

pip install agentsociety

🚀 快速入门

只需几分钟即可开始使用AgentSociety！

示例用法

要快速上手，请参阅仓库中的examples文件夹。其中包含示例脚本和配置，帮助您了解如何在城市仿真环境中创建和使用智能体。
有关详细使用教程，请查看我们的在线文档：AgentSociety文档。

🤝 贡献

我们欢迎社区的贡献！

感谢所有为该项目做出贡献的人：

📄 许可证

AgentSociety采用Apache许可证2.0版，但packages/agentsociety/commercial文件夹除外。更多详情请参阅LICENSE文件。

---

如有任何疑问、建议或合作意向，欢迎随时联系我们！

---

关注我们：通过关注本仓库，及时获取最新资讯和功能更新。

---

AgentSociety 快速上手指南

AgentSociety 是一个专为城市模拟环境设计的高级框架，利用大语言模型（LLM）构建智能体，以模拟复杂的社会行为和经济活动。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux (AMD64) 或 macOS
• Python 版本：>= 3.11
• 网络环境：需能访问 PyPI 仓库及 LLM API（如 OpenAI, Qwen, Deepseek 等）

💡 国内加速建议：如果您在中国大陆地区，建议使用清华源或阿里源进行安装，以提升下载速度。

安装步骤

方式一：标准安装

pip install agentsociety

方式二：使用国内镜像源（推荐）

pip install agentsociety -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

安装完成后，您可以参考项目仓库中的 examples 文件夹获取示例脚本和配置文件，快速构建城市模拟场景。

1. 查看示例代码

克隆仓库后，进入示例目录查看基础用法：

git clone https://github.com/tsinghua-fib-lab/agentsociety.git
cd agentsociety/examples
# 查看具体的示例脚本，例如创建智能体或运行模拟
ls

2. 运行模拟

通常可以通过运行示例脚本来启动一个简单的模拟任务（具体脚本名请参考 examples 目录）：

python your_example_script.py

3. 进阶配置与文档

• 架构理解：AgentSociety 包含模型层、智能体层、消息层、环境层、LLM 层和工具层，支持基于数据集、文本或规则的环境设计。
• 详细教程：如需深入了解智能体配置、多头部工作流（Multi-Head Workflow）设置及交互式可视化功能，请访问在线文档： AgentSociety 官方文档

---

注：本项目除 packages/agentsociety/commercial 文件夹外，均遵循 Apache License Version 2.0 协议。